零基礎入門CV賽事 Task1 賽題理解

**賽題名稱：**零基礎入門cv之街道字元識別

**賽題目標：**通過這道賽題可以引導大家走入計算機視覺的世界，主要針對競賽選手上手視覺賽題，提高對資料建模能力。

**賽題任務：**賽題以計算機視覺中字元識別為背景，要求選手**街道字元編碼，這是乙個典型的字元識別問題。為了簡化賽題難度，賽題資料採用公開資料集svhn，因此大家可以選擇很多相應的*****作為思路參考。

對於訓練資料每張將給出對於的編碼標籤，和具體的字元框的位置（訓練集、驗證集都給出字元位置），可用於模型訓練：

選手提交結果與實際的編碼進行對比，以編碼整體識別準確率為評價指標。任何乙個字元錯誤都為錯誤，最終評測指標結果越大越好，具體計算公式如下：

score=編碼識別正確的數量/測試集數量

import json
train_json = json.
load
(open
('../input/train.json'))
# 資料標註處理
def parse_json
(d):
arr = np.
array([
d['top'
], d[
'height'
], d[
'left'
], d[
'width'
], d[
'label']]
) arr = arr.
astype
(int
)return arr
img = cv2.
imread
('../input/train/000000.png'
)arr =
parse_json
(train_json[
'000000.png'])
plt.
figure
(figsize=(10
,10))
plt.
subplot(1
, arr.shape[1]
+1,1
)plt.
imshow
(img)
plt.
xticks([
]); plt.
yticks([
])for idx in range
(arr.shape[1]
):plt.
subplot(1
, arr.shape[1]
+1, idx+2)
plt.
imshow
(img[arr[
0, idx]
:arr[
0, idx]
+arr[
1, idx]
,arr[
2, idx]
:arr[
2, idx]
+arr[
3, idx]])
plt.
title
(arr[
4, idx]
) plt.
xticks([
]); plt.
yticks([
])

可以將賽題抽象為乙個定長字元識別問題，在賽題資料集中大部分影象中字元個數為2-4個，最多的字元個數為6個。因此可以對於所有的影象都抽象為6個字元的識別問題，字元23填充為23***x，字元231填充為231***。經過填充之後，原始的賽題可以簡化了6個字元的分類問題。在每個字元的分類中會進行11個類別的分類，假如分類為填充字元，則表明該字元為空。

專業字元識別思路：不定長字元識別

在字元識別研究中，有特定的方法來解決此種不定長的字元識別問題，比較典型的有crnn字元識別模型。在本次賽題中給定的影象資料都比較規整，可以視為乙個單詞或者乙個句子。

專業分類思路：檢測再識別

在賽題資料中已經給出了訓練集、驗證集中所有中字元的位置，因此可以首先將字元的位置進行識別，利用物體檢測的思路完成。此種思路需要參賽選手構建字元檢測模型，對測試集中的字元進行識別。選手可以參考物體檢測模型ssd或者yolo來完成。

datawhale參考鏈結

零基礎入門CV賽事 Task1 賽題理解

零基礎入門CV賽事 Task1 賽題理解

零基礎入門CV賽事 Task1 賽題理解

零基礎入門CV賽事 Task1 賽題理解

相關推薦