类石原氏色盲测试MNIST数据集

该数据集由 Ammar Shaker 于 2022 年发布,来源于 kaggle.com,属于眼病/色盲主题。它基于 MNIST 手写数字图像,通过生成框架制作出类石原氏色盲测试图:用彩色圆点覆盖数字边界,使色觉缺陷者难以辨认数字

Ammar ShakerAmmar Shaker
google_dataset
2022-06-17 更新
浏览 2
图像分类imagecomputer visionartificial intelligenceeyes and visioneurope
Ishihara Like MNIST

基本信息

模态
图像
大小
95.019295077 GB
任务类型
分类
许可
GNU Lesser General Public License 3.0
创建/更新时间
2022-06-17
版本
v4

资源简介

类石原氏色盲测试MNIST数据集

Ishihara Like MNIST

该数据集由 Ammar Shaker 于 2022 年发布,来源于 kaggle.com,属于眼病/色盲主题。它基于 MNIST 手写数字图像,通过生成框架制作出类石原氏色盲测试图:用彩色圆点覆盖数字边界,使色觉缺陷者难以辨认数字。数据按训练集和测试集划分,以 pickle 压缩格式存放,共 19 个文件。该数据可用于计算机视觉与人工智能研究,支持色盲检测相关的图像分类任务,也可作为视觉感知与色觉缺陷模拟的实验素材(来源 Kaggle,GNU Lesser General Public License 3.0 许可)。

【数据集背景】

源站首次发布:2022-06-17。

【数据内容】

源站描述(机器翻译,仅供参考):全球约 8% 的男性和 0.5% 的女性分别患有某种形式的色盲。石原氏色盲测试旨在通过呈现数字图版来发现此类缺陷,图版中精心放置的彩色圆圈模糊了被测数字的边界,使得色觉缺陷者无法从周围背景中识别出该数字。我们创建了一个框架,从 MNIST 数据集生成各种类石原氏图版。结果就是本数据集。它由使用 MNIST 数字图像生成的类石原氏图像组成,分为测试图像和训练图像。每个文件 Train\images x.pickle 包含所有训练图像的圆圈版本,并使用 pickle 格式压缩。测试图像的压缩文件可在“Test_images”文件夹中找到。

【数据结构与技术规格】

文件数 19 个,合计 95.02 GB。

【主题与分类】

主题标签:image、computer vision、artificial intelligence、eyes and vision、europe。本站分类:眼病/色盲。

【获取与许可】

源站页面:https://www.kaggle.com/datasets/ammarshaker/ishihara-mnist

使用许可:GNU Lesser General Public License 3.0。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

需登录

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

暂未开放

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取

源站:https://kaggle.com/datasets/ammarshaker/ishihara-mnist/suggestions

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 部分平台提供 SDK,例如:
    • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
    • ModelScope: pip install modelscope 后 modelscope download
    • 天池: 登录后页面提供直链下载
      以源站「数据下载/使用文档」页面为准。

数据集大小约 95.02 GB。

数据说明

Ammar Shaker (2022). Ishihara Like MNIST [Dataset]. https://www.kaggle.com/datasets/ammarshaker/ishihara-mnist/suggestions

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案