Datawhale入门CV比赛- 街景字符编码识别（一）

前言

之前做一些Traditional Image process的任务，这次借助Datawhale重新学习下Deep learning Image process的知识，由于没有下载破解版的pycharm，正好可以熟悉下Jupyer-Notebook搭建网络的方式。希望通过后面几次Tasks的学习，完成几个小目标：

• 熟悉Pytorch，并搭建简单的网络模型
• 熟悉Jupyer-Notebook的Coding环境
• 学习numpy、pandas、sklearn、matplotlib等常用Python工具包
• 了解DL常用学习技巧
• 完成一些数据可视化指标

赛题理解

1 学习路径

2 运行环境及常用Package安装

运行环境要求：Python3.X，Pytorch1.X，4G内存，有无GPU加速都行。下面给出python3.7+torch1.3.1+gpu版本的环境：
1、首先在Anaconda上创建一个专门用于本次训练赛的Virtual envirment：

conda create -n py37_torch131 python=3.7

2、激活环境，并安装pytorch1.3.1

activate py37_torch131
conda install pytorch=1.3.1 torchvision cudatoolkit=10.0	

注：这里注意cuda版本需要和电脑GPU匹配，可参考链接：如何检查显卡支持哪个版本的CUDA ？
3、在激活的虚拟环境中安装Python依赖数据库

pip install jupyter
pip install tqdm
pip install opencv-python
pip install matplotlib
pip install pandas

4、启动notebook，即可开始Coding代码学习

jupyter-notebook

3 赛题展示

1、数据集样本展示

2、评测标准

4 思路分析

4.1传统cv思路：先将图像二值化处理，然后做倾斜校正，根据投影做字符切割，根据0-9的字符的特征点与标准字符匹配来进行识别

4.2深度学习思路：本题本质上是分类问题，需要对图片的字符进行识别。但是图像给定的数据及中不同图像中包含的字符数量不等。因此赛题难点在于对不定长字符进行识别，这区别于传统CV方法。

• 简单入门思路：定长字符识别
  可将赛题抽象为一个定长字符识别问题，在赛题dataset中大部分图像字符个数为2-4个，最多字符数为6.因此可以抽象为6个字符的识别问题，字符23填充为23XXXX，字符231填充为231XXX。
  
  这样原题就变成为6个字符的分类问题。在每个字符的分来中会进行11个类别的分类，若分类为填充字符，则表示为空。
• 专业字符识别思路：不定长字符识别
  对于字符识别，有特定的Method来解决不定长字符识问题，比如CRNN模型。
  在赛题dataset中给出了Trainset/Validaset中所有图片字符位置，因此可以 首先将字符的位置进行识别，利用物体检测思路完成。
  可参考模型SSD或YOLO完成。

5 Datawhale与Tianci官方资料（方便后续查询）

• Github地址：team-learning/03 计算机视觉/计算机视觉实践(街景字符编码)
• Tianci官网：天池大赛->零基础入门CV赛事->街景字符编码识别