CV入门天池零基础入门赛事-笔记

1.赛题

零基础入门CV赛事- 街景字符编码识别

链接：https://tianchi.aliyun.com/competition/entrance/531795/information

1.1.数据

赛题源自Google街景图像中的门牌号数据（The Street View House Numbers Dataset, SVHN），根据一定方式采样得到比赛数据集，该数据来自真实场景的门牌号。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；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。

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

1.2.评测标准

评价标准为准确率，选手提交结果与实际图片的编码进行对比，以编码整体识别准确率为评价指标，结果越大越好，具体计算公式如下：score = 编码识别正确得数量/测试集图片数量

2.Baseline思路

2.1赛题数据读取（封装为Pytorch的Dataset和DataLoder）

2.2构建CNN模型（使用Pytorch构建）

2.3模型训练与验证

2.4模型结果预测

3.解题

3.1.运行环境安装

本地安装：

1.进入 Anaconda Prompt 后，输入：conda install pytorch-cpu -c pytorch，安装pytorch

2.接着，输入 pip3 install torchvision， 安装 torchvisioin

相关链接：

https://blog.csdn.net/wuzhiwuweisun/article/details/82689151?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase

阿里云：直接使用PAI进行，相关环境已搭建完毕，直接使用即可

3.2.读取数据

3.2.1.首先读取相关包

import os, sys, glob, shutil, json 
os.environ["CUDA_VISIBLE_DEVICES"] = '0' 
import cv2
from PIL import Image 
import numpy as np
from tqdm import tqdm, tqdm_notebook
import torch 
torch.manual_seed(0) 
torch.backends.cudnn.deterministic = False 
torch.backends.cudnn.benchmark = True
import torchvision.models as models 
import torchvision.transforms as transforms 
import torchvision.datasets as datasets 
import torch.nn as nn 
import torch.nn.functional as F 
import torch.optim as optim 
from torch.autograd import Variable 
from torch.utils.data.dataset import Dataset

3.2.2.数据集读取

未完待续ing