首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >Datawhale 零基础入门CV赛事-Task1 赛题理解

Datawhale 零基础入门CV赛事-Task1 赛题理解

作者头像
致Great
发布2020-05-27 10:25:39
3040
发布2020-05-27 10:25:39
举报
文章被收录于专栏:程序生活程序生活

Datawhale 零基础入门CV赛事-Task1 赛题理解 本章内容将会对街景字符识别赛题进行赛题背景讲解,对赛题数据的读取进行说明,并给出集中解题思路。

1 赛题理解

  • 赛题名称:零基础入门CV之街道字符识别
  • 赛题目标:通过这道赛题可以引导大家走入计算机视觉的世界,主要针对竞赛选手上手视觉赛题,提高对数据建模能力。
  • 赛题任务:赛题以计算机视觉中字符识别为背景,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。 为了简化赛题难度,赛题数据采用公开数据集SVHN,因此大家可以选择很多相应的paper作为思路参考。

1.1 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。

注意: 按照比赛规则,所有的参赛选手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。比赛结束后将会对Top选手进行代码审核,违规的选手将清除排行榜成绩。

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。

1.2 数据标签

对于训练数据每张图片将给出对于的编码标签,和具体的字符框的位置(训练集、测试集和验证集都给出字符位置),可用于模型训练:

Field

Description

top

左上角坐标X

height

字符高度

left

左上角最表Y

width

字符宽度

label

字符编码

字符的坐标具体如下所示:

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:

原始图片

图片JSON标注

1.3 评测指标

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

1.4 数据下载

下面的代码可以直接根据mchar_data_list_0515.csv文件,将所有相关数据集下载,并保存到当前路径的data下

import requests
import pandas as pd
import os
import zipfile

data=pd.read_csv('data/mchar_data_list_0515.csv')

mypath='./data/'
if not os.path.exists(mypath):
    os.makedirs(mypath)

# 下载数据

for i,link in enumerate(data['link']):
    file_name = data['file'][i]
    print(file_name, '\t', link)
    file_name = mypath  + file_name
    if not os.path.exists(file_name):
        response = requests.get(link, stream=True)
        with open( file_name, 'wb') as f:
            for chunk in response.iter_content(chunk_size=1024):
                if chunk:
                    f.write(chunk)


# 解压数据
zip_list = ['mchar_train', 'mchar_test_a', 'mchar_val']
for little_zip in zip_list: # 卖萌可耻
    if not os.path.exists(mypath  + little_zip):
        zip_file = zipfile.ZipFile(mypath  + little_zip + '.zip', 'r')
        zip_file.extractall(path = mypath )
mchar_train.zip      http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531795/mchar_train.zip
mchar_train.json     http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531795/mchar_train.json
mchar_val.zip    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531795/mchar_val.zip
mchar_val.json   http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531795/mchar_val.json
mchar_test_a.zip     http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531795/mchar_test_a.zip
mchar_sample_submit_A.csv    http://tianchi-competition.oss-cn-hangzhou.aliyuncs.com/531795/mchar_sample_submit_A.csv

1.5 读取数据

import json
import cv2
import numpy as np
import matplotlib.pyplot as plt
train_json = json.load(open('data/mchar_train.json'))
print(len(train_json)) # 训练集大小
list(train_json.keys())[:3]
30000
['000000.png', '000001.png', '000002.png']
train_json['000000.png']
{'height': [219, 219],
 'label': [1, 9],
 'left': [246, 323],
 'top': [77, 81],
 'width': [81, 96]}
# 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
parse_json(train_json['000000.png'])
array([[ 77,  81],
       [219, 219],
       [246, 323],
       [ 81,  96],
       [  1,   9]])
  • 图片000000.png
img = cv2.imread('./data/mchar_train/000000.png')
arr = parse_json(train_json['000000.png'])
print("图片中可能包括{}个字符".format(arr.shape[1]))

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]):# 多个标注字符
    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([])
图片中可能包括2个字符
  • 图片000001.png
img = cv2.imread('./data/mchar_train/000001.png')
arr = parse_json(train_json['000001.png'])
print("图片中可能包括{}个字符".format(arr.shape[1]))

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]):# 多个标注字符
    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([])
图片中可能包括2个字符
  • 图片000020.png
img = cv2.imread('./data/mchar_train/000020.png')
arr = parse_json(train_json['000020.png'])
print("图片中可能包括{}个字符".format(arr.shape[1]))

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]):# 多个标注字符
    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([])
图片中可能包括1个字符

从三个例子可以看出,图片的大小,标注的字符个数以及分辨率都可能不一样。

1.6 解题思路

赛题思路分析:赛题本质是分类问题,需要对图片的字符进行识别。但赛题给定的数据图片中不同图片中包含的字符数量不等,如下图所示。有的图片的字符个数为2,有的图片字符个数为3,有的图片字符个数为4。

字符属性

图片

字符:42 字符个数:2

字符:241 字符个数:3

字符:7358 字符个数:4

因此本次赛题的难点是需要对不定长的字符进行识别,与传统的图像分类任务有所不同。为了降低参赛难度,我们提供了一些解题思路供大家参考:

  • 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,在赛题数据集中大部分图像中字符个数为2-4个,最多的字符 个数为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。

经过填充之后,原始的赛题可以简化了6个字符的分类问题。在每个字符的分类中会进行11个类别的分类,假如分类为填充字符,则表明该字符为空。

  • 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。

此种思路需要参赛选手构建字符检测模型,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。

2 参考资料:

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1 赛题理解
    • 1.1 赛题数据
      • 1.2 数据标签
        • 1.3 评测指标
          • 1.4 数据下载
            • 1.5 读取数据
              • 1.6 解题思路
              • 2 参考资料:
              领券
              问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档