Działam obecnie na datasecie : mnist_fashion na którym trenuje sobie różnie sieci i jakieś architektury opracowuje. Generalnie fajna zabawa ale czy ktoś może mi pomoc/doradzić w takiej kwestii - jak sieć ma się nauczyć dobrze rozpoznawać dane gdy do nauki ma takie obrazki ? 
Opcje są takie : Label Description
0 T-shirt/top
1 Trouser
2 Pullover
3 Dress
4 Coat
5 Sandal
6 Shirt
7 Sneaker
8 Bag
9 Ankle boot
lecz jak widzicie na obrazku - daleko moim zdaniem tutaj to prawdziwej predykcji jaką powinno być 3. dress i również do predykcji wykonanej przez sieć która dała nam 6. shirt
Moje sieci póki co oscylują w okolicach 80% poprawnych predykcji ale co lepsze - potem wielokrotnie je trenuje tylko na obrazkach na których sieć się myli i w żaden spodób nie mogą się one nauczyć jak rozpoznawać np. takie dziwne obiekty jak ten tutaj który moim zdaniem kompletnie nie przypomina sukienki. Oczywiście, uczenie sieci tylko na obiektach które sieć mylą obniża jej ogólną predykcje na całym datasecie ale po prostu sam pomysł był taki - aby zobaczyć czy tylko dla danych trudniejszych dla sieci, da się ją ich nauczyć i się tutaj troche zaskoczyłem bo póki co nie udaje się. I również chciałem uzyskać głębszy wgląd w to - co dla sieci jest trudne.
Ktoś może się w to bawił kiedyś ? Zaczynam się zastanawiać, czy ten dataset nie jest po prostu trochę bez sensu bądź trochę z blędami bo kilka innych obrazków jak ten albo i jeszcze dziwniejszych na których sieć się myli udało mi się znaleźć.