文脈 このデータセットは、画像のセマンティックセグメンテーションのための完全畳み込みネットワークの基本を教えるために作成しました。ほとんどの実世界のセマンティック画像セグメンテーションタスクでは、トレーニングや実験に時間がかかる巨大なネットワークを構築する必要があります。このデータセットは、[MNISTデータセット](https://www.kaggle.com/c/digit-recognizer/data)から最大3つのランダムな28px×28pxのグレースケール画像を選択し、それらを単一の64px（高さ）×84px（幅）の画像にコピーすることで生成されました。数字は重ならないように貼り付けられ、元の画像には変換が適用されなかったため、M2NISTの数字はMNISTの数字と同じ向きを維持しています。 内容 このデータセットには、`combined.npy`に5000枚の多桁画像と、`segmented.npy`に各画像に対応する11個のセグメンテーションマスクが含まれています。これらのファイルは`numpy.load()`を使用して読み込むことができます。例えば、`combined=np.load('combined.npy')` および `segmented = np.load('segmented.npy')` として読み込むことができます。`combined.npy` のデータは `(5000, 64, 84)` の形状を持ち、`segmented.npy` のデータは `(5000, 64, 84, 11)` の形状を持ちます。`combined.npy` の各要素は最大3つの数字が含まれるグレースケール画像です。`segmented.npy` の対応する要素は、64行、84列、11層またはチャネルのテンソルです。各層またはチャネルは2値マスクです。k番目の層（0 <= k < 9）は、合成画像に数字kが存在する場所に1が設定され、それ以外の場所には0が設定されます。最後の層k = 10は背景を表し、合成画像に数字が存在しない場所に1が設定され、元の画像に何らかの数字が存在するピクセルの場所には0が設定されます。 謝辞 このデータセットは最終的に、YanLeCunと彼のグループによって公開されたデータ（http://yann.lecun.com/exdb/mnist/index.html）に由来し、[クリエイティブ・コモンズ 表示 - 継承 4.0 ライセンス](https://creativecommons.org/licenses/by-sa/4.0/)の下でライセンスされています。このデータセットを生成するために使用されたコードは、[github](https://github.com/farhanhubble/udacity-connect/blob/master/segmented-generator.ipynb)にIpythonノートブックとして公開されています。 着想 M2NISTデータセットは、ユーザーがセマンティックセグメンテーションを理解し、おそらくニューラルネットワークが学習することについてより多くの洞察を得ることができ、その結果、より小さく堅牢なネットワークにつながることを期待して公開されています。