1.3 數據標籤
對於訓練數據每張圖片將給出對於的編碼標籤,和具體的字符框的位置(訓練集、測試集和驗證集都給出字符位置),可用於模型訓練:
Field | Description |
---|---|
top | 左上角座標X |
height | 字符高度 |
left | 左上角最表Y |
width | 字符寬度 |
label | 字符編碼 |
字符的座標具體如下所示:
在比賽數據(訓練集、測試集和驗證集)中,同一張圖片中可能包括一個或者多個字符,因此在比賽數據的JSON標註中,會有兩個字符的邊框信息:
1.4 評測指標
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:
Score=編碼識別正確的數量/測試集圖片數量
1.5 讀取數據
爲了方便大家進行數據讀取,在此我們給出JSON中標籤的讀取方式:
import json
import cv2
import numpy as np
from matplotlib import pyplot as plt
train_json = json.load(open('./input/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
img = cv2.imread('./input/train/train/000000.png')
arr = parse_json(train_json['000000.png'])
arr
plt.figure(figsize=(10, 10))
plt.subplot(1, arr.shape[1]+1, 1)#subplot(numrows,numcols,fignum)
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([])
1.6 解題思路
賽題思路分析:賽題本質是分類問題,需要對圖片的字符進行識別。但賽題給定的數據圖片中不同圖片中包含的字符數量不等,如下圖所示。有的圖片的字符個數爲2,有的圖片字符個數爲3,有的圖片字符個數爲4。
因此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。爲了降低參賽難度,我們提供了一些解題思路供大家參考:
- 簡單入門思路:定長字符識別
可以將賽題抽象爲一個定長字符識別問題,在賽題數據集中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。
經過填充之後,原始的賽題可以簡化了6個字符的分類問題。在每個字符的分類中會進行11個類別的分類,假如分類爲填充字符,則表明該字符爲空。
- 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。
1.7 本章小節
綜上所示,本次賽題雖然是一個簡單的字符識別問題,但有多種解法可以使用到計算機視覺領域中的各個模型,是非常適合大家入門學習的。
三種解決思路的難度從低到高,因此建議入門學習的同學可以先學習定長字符識別的思路。在文檔之後的內容中我們也會以定長字符識別爲例,讓大家逐漸入門計算機視覺。