区块链技术博客
www.b2bchain.cn

天池CV赛事-街景字符编码识别(一)——赛题理解

这篇文章主要介绍了天池CV赛事-街景字符编码识别(一)——赛题理解的讲解,通过具体代码实例进行17201 讲解,并且分析了天池CV赛事-街景字符编码识别(一)——赛题理解的详细步骤与相关技巧,需要的朋友可以参考下https://www.b2bchain.cn/?p=17201

本文实例讲述了2、树莓派设置连接WiFi,开启VNC等等的讲解。分享给大家供大家参考文章查询地址https://www.b2bchain.cn/7039.html。具体如下:


系列文章
天池CV赛事-街景字符编码识别(一)——赛题理解

目录

    • 一、赛题理解
      • 1.1 学习目标
      • 1.2 赛题数据
      • 1.3 字段表
      • 1.4 评价标准
      • 1.5 读取数据
      • 1.6 思路分析

一、赛题理解

1.1 学习目标

通过之前的python+opencv的第一阶段学习,此前系列的链接https://blog.csdn.net/bosszhao20190517/article/details/105645619,掌握了图像处理的基础方法和原理,此次跟随Datawhale参加天池大赛——零基础入门CV赛事-街景字符编码识别,报名链接https://tianchi.aliyun.com/competition/entrance/531795/introduction,走进计算机视觉的世界,在比赛中学习并且提升自己。

这次比赛旨在学习pytorch的框架,并且利用该框架构建CNN模型,并进行图像的识别。

赛题任务:要求选手预测街道字符编码,这是一个典型的字符识别问题。为了简化赛题的难度,赛题数据采用公开数据集SVHN,有很多paper都可以作为参考。

1.2 赛题数据

赛题以街道字符为为赛题数据,数据集报名后可见并可下载,该数据来自收集的SVHN街道字符,并进行了匿名采样处理。

天池CV赛事-街景字符编码识别(一)——赛题理解

注意:只能使用比赛给定的数据集完成训练,不能使用SVHN原始数据集进行训练。

训练集数据包括3W张照片,验证集数据包括1W张照片,每张照片包括颜色图像和对应的编码类别和具体位置;为了保证比赛的公平性,测试集A包括4W张照片,测试集B包括4W张照片。

需要注意的是本赛题需要选手识别图片中所有的字符,为了降低比赛难度,我们提供了训练集、验证集和测试集中所有字符的位置框。换句话说,所有待识别的字符的位置已经给出了。

1.3 字段表

所有的数据(训练集、验证集和测试集)的标注使用JSON格式,并使用文件名进行索引。如果一个文件中包括多个字符,则使用列表将字段进行组合。

Field Description
top 左上角坐标X
height 字符高度
left 左上角坐标Y
width 字符宽度
label 字符编码

如下图所示:

天池CV赛事-街景字符编码识别(一)——赛题理解

在比赛数据(训练集、测试集和验证集)中,同一张图片中可能包括一个或者多个字符,因此在比赛数据的JSON标注中,会有两个字符的边框信息,例如:

原始图片 图片JSON标注
天池CV赛事-街景字符编码识别(一)——赛题理解 天池CV赛事-街景字符编码识别(一)——赛题理解

1.4 评价标准

选手提交结果与实际图片的编码进行对比,以编码整体识别准确率为评价指标。任何一个字符错误都为错误,最终评测指标结果越大越好,具体计算公式如下:

score=编码识别正确的数量/测试集图片数量

1.5 读取数据

读取JSON中标签的方式:

#%%  import json import numpy as np import cv2 import matplotlib.pyplot as plt  train_json = json.load(open('mchar_train.json'))  # 数据标注处理 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('mchar_train/mchar_train/000160.png') arr = parse_json(train_json['000160.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([])  plt.savefig('test_json_000160.png') plt.show()     
天池CV赛事-街景字符编码识别(一)——赛题理解

1.6 思路分析

这里因为每张图片里含的字符个数不确定,如下所示:

字符属性 图片
字符:42 字符个数:2 天池CV赛事-街景字符编码识别(一)——赛题理解
字符:817 字符个数:3 天池CV赛事-街景字符编码识别(一)——赛题理解
字符:7358 字符个数:4 天池CV赛事-街景字符编码识别(一)——赛题理解

虽然也是图像的分类任务,但是这次是对于不定长的字符进行识别,大概思路有以下几种:

  • 简单入门思路:定长字符识别

可以将赛题抽象为一个定长字符识别问题,数据集中较多的为2-4个,最多的为6个。
因此可以对于所有的图像都抽象为6个字符的识别问题,字符23填充为23XXXX,字符231填充为231XXX。

天池CV赛事-街景字符编码识别(一)——赛题理解

  • 专业字符识别思路:不定长字符识别

在字符识别研究中,有特定的方法来解决此种不定长的字符识别问题,比较典型的有CRNN字符识别模型。
在本次赛题中给定的图像数据都比较规整,可以视为一个单词或者一个句子。

  • 专业分类思路:检测再识别

在赛题数据中已经给出了训练集、验证集中所有图片中字符的位置,因此可以首先将字符的位置进行识别,利用物体检测的思路完成。

天池CV赛事-街景字符编码识别(一)——赛题理解

此种思路需要构建字符检测模型,对测试集中的字符进行识别。选手可以参考物体检测模型SSD或者YOLO来完成。

推荐阅读:
Python+OpenCV图像处理基础知识

本文转自互联网,侵权联系删除天池CV赛事-街景字符编码识别(一)——赛题理解

赞(0) 打赏
部分文章转自网络,侵权联系删除b2bchain区块链学习技术社区 » 天池CV赛事-街景字符编码识别(一)——赛题理解
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

b2b链

联系我们联系我们