點贊再看，養成習慣！
前言
Datawhale開源組織最近新啓動了CV實戰學習活動，賽題是街道字符編碼識別，身爲DW鯨粉的小編毫不猶豫地加入了AI學習大軍。
第一節的學習內容便是賽題理解，目標如下：
- 理解賽題背景和賽題數據
- 完成賽題報名和數據下載，理解賽題的解題思路
正文
賽題背景
賽題來源自Google街景圖像中的門牌號數據集（The Street View House Numbers Dataset, SVHN），數據集鏈接爲http://ufldl.stanford.edu/housenumbers/。只不過本次比賽用到的數據集經過匿名處理和噪音處理，還有爲了降低比賽難度，Tianchi提供了訓練集、驗證集和測試集中字符的位置框，這樣就只需要我們集中注意力在字符識別上。給張圖片，直觀感受下數據集：
賽題數據
小編最終下載的數據有：
訓練集：mchar_train和mchar_train.json，前者有3W張圖片，後者是對應的標籤，如下所示:
000000.png
標籤數據：
“000000.png”: {“height”: [219, 219], “label”: [1, 9], “left”: [246, 323], “top”: [77, 81], “width”: [81, 96]}
這標籤數據是啥意思呢？
其實就是字符的位置框（左上角的座標(left,top)以及框的高寬度height和width）與字符標籤（label）
我們知道000000.png圖片有兩個字符1和9，所以標籤的意思就是在左上角座標爲（246,77）、高度爲219、寬度爲81的位置框中字符爲1。同理，另一個字符9的位置框也可以知道。
驗證集：mchar_val和mchar_val.json，共有1W數據。
測試集：mchar_test_a，共有4W數據。
最終要提交的結果要與mchar_sample_submit_A.csv中的格式一致，如下所示
file_name, file_code
0010000.jpg,451
0010001.jpg,232
0010002.jpg,45
0010003.jpg,67
0010004.jpg,191
0010005.jpg,892
評估指標
選手提交結果與實際圖片的編碼進行對比，以編碼整體識別準確率爲評價指標。任何一個字符錯誤都爲錯誤，最終評測指標結果越大越好，具體計算公式如下：
如何讀取標籤數據
# json.load將已編碼的JSON字符串解碼爲Python字典對象{pic_id:{top:xx,...},...}
train_json = json.load(open(r'I:\Datas\StreetCharsRecognition\mchar_train.json'))
# 數據標註處理
def parse_json(d):
arr = np.array([
d['top'], d['height'], d['left'], d['width'], d['label']
])
arr = arr.astype(int)
return arr
arr = parse_json(train_json['000000.png']) #轉化成np.array類型
解決方案有哪些
本次賽題的難點是需要對不定長的字符進行識別，與傳統的圖像分類任務有所不同。
思路有三種：
-
簡單入門思路：定長字符識別【小編將跟隨學習的解決方案】
需要有先驗知識（所有圖片中最多會有多少字符），本賽題大部分圖像中字符個數爲2-4個，最多的字符個數爲6個。因此可以對於所有的圖像都抽象爲6個字符的識別問題，字符23填充爲23XXXX，字符231填充爲231XXX。
![在這裏插入圖片描述]()
-
專業字符識別思路：不定長字符識別
在字符識別研究中，有特定的方法來解決此種不定長的字符識別問題，比較典型的有CRNN字符識別模型。在本次賽題中給定的圖像數據都比較規整，可以視爲一個單詞或者一個句子。 -
專業分類思路：檢測再識別
在賽題數據中已經給出了訓練集、驗證集中所有圖片中字符的位置，因此可以首先將字符的位置進行識別，利用物體檢測的思路完成。此種思路需要參賽選手構建字符檢測模型，對測試集中的字符進行識別。選手可以參考物體檢測模型SSD或者YOLO來完成。
結語
比賽的所有代碼，等學習完成後，小編會上傳到Github上，供小夥伴們參考，敬請期待。
參考文獻
- 賽題：https://tianchi.aliyun.com/competition/entrance/531795/information
- DW組織-賽事的學習資料
童鞋們，讓小編聽見你們的聲音，點贊評論，一起加油。