街景字符识别

最新推荐文章于 2023-09-08 10:51:06 发布
最新推荐文章于 2023-09-08 10:51:06 发布
阅读量303 收藏
点赞数
分类专栏： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_48065974/article/details/106307535
版权

Task2 数据读取与扩增
目标用pytorch读取图像，用pytorch读取赛提数据及扩增方法

库：
opencv Pillow
处理效果详情见图片
在这里插入图片描述

数据扩增
目的 增加训练集样本 同时缓解过拟合
也可以给数据集带来更强的泛化能力
扩增方法：颜色空间，尺度空间到样本空间

在数据扩增方法中
从图像颜色，尺寸，形态，空间，像素角度变换。
以torchvision为例
transforms. CenterCrop对图片中心进行裁剪
transforms. ColorJitter对图像的颜色的对比度，饱和度，零度进行变换

transforms. FiveCrop对图像四个角和中心进行裁剪得到五分图像

transforms. Grayscale对图像进行灰度变换
transforms. Pad使用固定值进行像素填充
transforms. RandomAffine随机仿射变换
具体见官方文档

常见的数据扩增库
torchvision
imgaug
albumentations

数据读取：
Dataset;对数据集的封装，提供索引方式对数据样本进行读取

DataLoder
对Dataset进行封装，提供批量读取的迭代读取

m0_48065974
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
回顾经典天池CV赛题——街景字符识别
全栈O-Jay的博客
03-31 1074
下面将分享一个天池竞赛的经典题目——**街景字符识别**，流畅地过一遍基于pytorch的深度学习项目实战全过程。
街景字符识别—字符识别模型
lz你ps的博客
05-26 364
目录1. CNN简介2. 使用pytorch构建CNN模型 1. CNN简介 CNN，卷积神经网络，是深度学习中的一个分支，在计算机视觉领域，特别是图像分类、图像检索、物体检测和语义分割的主流模型。CNN每一层由众多卷积核组成，每个卷积核对输入的像素进行卷积操作，得到下一次输入。 CNN是一种层次模型，由卷积、池化、非线性激活函数和全连接层组成。 上图为LeNet结构图，是经典的字符识别模型。通过多次卷积和池化，最后将输入的像素映射为具体的输出。假若是分类任务，则会输出不同类别的概率，然后计算真实标签与
街景字符识别base
qq_47369840的博客
01-13 200
。
阿里云天池-街景字符编码识别-基于ResNet-18
m0_64799972的博客
09-08 5342
赛题来源自Google街景图像中的门牌号数据集（The Street View House Numbers Dataset, SVHN），并根据一定方式采样得到比赛数据集。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。所有的数据（训练集、验证集和测试集）的标注使用JSON格式，并使用文件名进行索引。如果一个文件中包括多个字符，则使用列表将字段进行组合。
【竞赛项目详解】街景字符识别(附源码)
小陈说CV的博客
08-14 3351
文章目录1 项目简介2 使用CNN进行定长字符识别 1 项目简介 请看项目介绍 2 使用CNN进行定长字符识别 请看源码链接 运行效果如下图所示，基于resnet18预训练模型，batch=40，epoch=10，lr=0.001，best model 的Val ACC=0.55。 接下来要调整超参数，更换预训练模型，数据增强等操作来涨点。 调整epoch=20，效果如下图所示。出现了过拟合现象，且best model的Val ACC=0.58。 等间隔动态调整学习率，Adam优化器设置L2正则化
深度学习项目-街景字符识别.zip
04-14
深度学习项目-街景字符识别.zip深度学习项目-街景字符识别.zip深度学习项目-街景字符识别.zip深度学习项目-街景字符识别.zip深度学习项目-街景字符识别.zip深度学习项目-街景字符识别.zip深度学习项目-街景字符识别....
yolo4_SVHN天池街景字符识别比赛.zip
09-30
【标题】"yolo4_SVHN天池街景字符识别比赛"是一个专注于街景字符识别的竞赛项目，其中采用了YOLOv4算法，并基于SVHN（Street View House Numbers）数据集进行训练和评估。YOLO（You Only Look Once）是一种实时目标...
计算机视觉项目，缺陷检测，地表建筑物识别，街景字符识别+源代码+文档说明
最新发布
04-19
计算机视觉项目，缺陷检测，地表建筑物识别，街景字符识别+源代码+文档说明 - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到...
juliastreetview:更新了 Kaggle Julia 街景字符识别教程的示例代码
06-20
Kaggle 街景字符识别教程 这是当前包含 Julia 中 Kaggle 街景教程的更新版本（0.3.6 兼容）随机森林示例代码。 将很快添加 KNN 代码以及进一步的定制版本。 您可以在找到详细信息和数据 使用 从 kaggle 中抓取数据...
天池学习赛——街景数字识别
07-04
【天池学习赛——街景数字识别】是一个旨在提升参赛者图像识别技术的比赛，特别是针对街景中的数字识别。在此次比赛中，参赛者需要利用机器学习或深度学习的方法，对街景图片中的数字进行准确的识别。这涉及到一系列...
2020-12-14
weixin_46389668的博客
12-14 253
深度学习，图像分类入门 pytorch数据集读取方法 **CIFAR10数据集的定义方法如下：** `dataset_dir = '../../../dataset/' torchvision.datasets.CIFAR10(dataset_dir, train=True, transform=None, target_transform=None, download=False) ` dataset_dir：存放数据集的路径。 train（bool，可选）–如果为True，则构建训练集，否则构建测试
真*零基础入门CV--街景字符识别（阿里天池学习赛）
weixin_47349091的博客
03-24 1228
最新玩了一下阿里天池学习赛（当调参侠），觉得街景字符识别这个比赛还是对新手相对友好的，感兴趣的可以去参加。 传送门：https://link.zhihu.com/?target=https%3A//tianchi.aliyun.com/competition/entrance/531795/introduction 下面大概记录一下我大概的操作以及心得： 简介 首先看它们的数据组成以及特点，链接比赛里面的论坛的Task1-5是对这个比赛大致的讲解，大家可以先去看看。总的来说，train是3W张，val是1W
SVHN街道实景门牌识别
qq_43607118的博客
03-27 2308
对模型进行训练，并在每个epoch后输出训练集和测试集上的准备率/损失。
DataWhale-天池街景数字识别竞赛-task1-赛题理解
qq_21503139的博客
05-19 527
背景 2020年5月的DW组队学习选择了天池的街景字符编码识别，在这个入门竞赛中，数据集来自Google街景图像中的门牌号数据集（The Street View House Numbers Dataset, SVHN），并根据一定方式采样得到比赛数据集。而数据集共分为训练集（3W）、验证集（1W）和测试集（4W）。 为了降低难度，比赛提供了数据集中字符的位置框（左上角坐标X，字符高度，左上角坐标Y，字符宽度），并结合字符的编码（label）一起放入到一个json文件中。 评测标准为测试集预测结果的
街景识别-字符识别模型-CNN
secker123的博客
05-26 1700
字符模型识别学习目标CNN介绍Pytorch构建CNN模型 学习目标 1.学习CNN基础和原理 2.使用Pytorch框架构建CNN，并完成训练 CNN介绍 卷积神经网络（CNN）是一类特殊的人工神经网络，是深度学习的重要分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。 CNN是一种层次模型，输入的是院士的像素数据。CNN通过卷积（convolution）、池化（pooling）、非线性激活函数（no
街景字符识别baseline
qq_38896666的博客
05-20 556
街景字符识别 赛题理解与解决方案 题目要求：给定一张街景字符图片，能够正确识别出其中的数字字符。 根据题目的要求可以分为三种思路： 定长字符识别： 由于图片中的数字字符最多不会超过6个，因此可以将问题视为一个定长字符问题。我们需要将数据中的label填充为6位，不存在数字的位置填充为X，因此最终的问题就是6个字符的分类问题，一共分为11个类别，若识别为X，则表示该位置没有数字。 不定长字符识别问题： 利用字符识别模型直接进行不定长字符识别。 目标检测问题： 利用YOLO、SSD等目标检测算法先检
街景字符识别—模型集成
lz你ps的博客
05-29 190
目录1. 集成学习方法2. 深度学习中的集成学习2.1 Dropout2.2 TTA2.3 Snapshot3. 后处理 1. 集成学习方法 集成学习方法可以提高预测精度，常见的有Stacking、Bagging和Boosting。一般利用交叉验证法提高精度，如下所示。 使用10折交叉验证法，得到10个CNN模型，可通过以下方法进行集成。 平均预测结果的概率值，然后解码为具体字符。 对预测的字符进行投票，得到最终字符。 2. 深度学习中的集成学习 2.1 Dropout Dropout在训练过程中会随
kaggle之识别谷歌街景图片中的字母
lijingpeng的专栏
08-21 2504
识别谷歌街景图片中的字母https://github.com/lijingpeng/kaggle/tree/master/competitions/image_recognizestreet-view-getting-started-with-julia 让我们从谷歌街景的图片中鉴定字母，这个题目是让我们学习和使用Julia，Julia有python和R的易用性，有C语言的速度
街景字符识别github
10-07
街景字符识别的GitHub项目可以通过在GitHub上搜索相关关键词来找到。一些常见的街景字符识别项目包括Tesseract OCR、EAST（An Efficient and Accurate Scene Text Detector）、CRNN（Convolutional Recurrent Neural...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值