赛题理解:
- 这个赛题是CV入门级赛题,通过街景字符识别来熟悉CV建模思路和竞赛流程。
- 赛题任务:识别图片中的数字
- 评测标准:准确率 s c o r e = 编 码 识 别 正 确 的 数 量 测 试 集 图 片 数 量 score = \frac{编码识别正确的数量}{测试集图片数量} score=测试集图片数量编码识别正确的数量
- 结果提交:sample_submit.csv:提交结果需要保证预测结果的格式与其一致,以及提交文件后缀名为csv。
file_name, file_code
0010000.jpg,451
0010001.jpg,232
0010002.jpg,45
0010003.jpg,67
0010004.jpg,191
0010005.jpg,892
数据理解:
- 数据获取地址
- 赛题数据采用公开数据集SVHN,并且进行了匿名和降噪处理,减小了比赛的难度。
- 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。
mchar_test_a:4w张图片的测试集A
mchar_train:3w张图片的训练集
mchar_val:1w张图片的验证集
mchar_train.json:存放的是训练数据集的label数据;
mchar_val.json:存放的是验证数据集的label数据。
- 可以发现有的图片中不止包含一个数字,相应的json文件中就包含了多个数字的位置信息
- 以下是json文件中存储的内容,包含了样本集中各个图片对应的label以及位置等信息,相当于确定了图片中数字的边框,表示如下:
Field | Description |
---|---|
top | 左上角点到图片顶端的距离 |
height | 字符高度 |
left | 左上角点到图片左端的距离 |
width | 字符宽度 |
label | 字符编码 |
"000000.png": {
"height": [30.0], "label": [5], "left": [43.0], "top": [7.0], "width": [19.0]},
"000001.png": {
"height": [23, 23, 23], "label"