入门CV赛事-Task1 赛题理解

本章主要内容

赛题理解，了解数据集，赛题思路及选择的方法。

1.赛题理解

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。与常用的Minst数据集相比，两者都是识别数字。但这次的难度在与图片大小的不固定，色彩空间为彩色，字符数不固定。

2.了解数据集

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。数据集大小为训练集3W图，测试集1W图，A验证集4W。为了降低难度，将数字位置用框线标注出来了。有些图片比较模糊，识别难度会比较大。
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、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

模型评价指标以编码整体识别准确率为评价指标。注意任何一个字符错误都为错误。

import json
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.image as mpimg

train_json = json.load(open('../input/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 =  mpimg.imread('E:/Machine Learning/CV字符/mchar_train/mchar_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(np.real(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([])

3.赛题思路

• 基础思路：定长字符识别
  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，这里有三种思路。最长字符数为6，识别数字，识别目标集为11，包含0-9数字和X填充字符。采用填充位的方式实现识别数字可调整。 此种方法叫定长字符识别。

• 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。此方法个人觉得较好，利用了字符本身分布在一列的规律。

• 专业分类思路：检测再识别
  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。及识别出每个数字的位置，然后再判读位置上的数字。个人感觉这个方法运算量稍大。

4.总结及选择的方法

总结，本次赛题是一个简单的字符识别问题，有多种解法。基础入门可选定长度，效果最好应该是先识别位置，再识别内容的算法。不定长个人感觉是比较好。既然是刚入门，那么就选择定长度了。