Rotated MNIST是一个流行的数据集，用于对等价于旋转的模型进行基准测试$\mathbb{R}^2$，描述为$SO(2)$组或其离散子组，如$\mathbb{Z}^{n}$：

• 组等变卷积网络
• 谐波网络

它由从 0 到 9 以任意角度旋转的所有数字组成$[0, 2 \pi)$. 然而，让我有点疑惑的是，数字$6$和$9$似乎对任何学习算法都感到困惑，因为从人类感知的角度来看$6$旋转 180 度相当于$9$反之亦然。

Rotated MNIST 描述中的原始论文根本没有评论这一点，这很奇怪，因为这是一个很自然的问题。

在论文Oriented Response Networks - 作者绘制了通过 t-SNE 在 2d 平面上投影的旋转数字的嵌入。6 的所有轮换版本和 ORN 的 9 轮换版本之间有明显的区别。

我不明白它是如何实现的？可能，网络在写数字时理解得更多，有一些微妙的特征，人类无法访问，但可以被强大的分类器识别？