1 赛题数据
该数据来自收集的SVHN街道字符,并进行了匿名采样处理。
本赛题需要选手识别图片中所有的字符,为了降低比赛难度,提供了训练集、验证集和测试集中所有字符的位置框。
2 数据读取
train_path = glob.glob('./input/train/*.png')
train_path.sort()
train_json = json.load(open('./input/train.json'))
train_label = [train_json[x]['label'] for x in train_json]
json.load:从fp指向的文件对象(通过open()打开)中读取数据,并转换为dict对象。
参考资料:python模块----json
glob.glob:返回所有匹配的文件路径列表,结合通配符星号(*)、问号(?)和中括号([ ])使用。
- 星号(*)——匹配零个或多个符号
- 问号(?)——匹配单个字符,
- 中括号([ ])——匹配一个指定范围的字符。
3 数据标签
字符的坐标具体如下所示:
在比赛数据(训练集、测试集和验证集)中,同一张图片中可能包括一个或者多个字符,在JSON标注中,会有两个字符的边框信息。
JSON中标签的读取方式如下:
import json
import cv2
import matplotlib.pyplot as plt
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 = cv2.imread('./input/train/000000.png')
arr = parse_json(train_json['000000.png'])
## 原图读取
plt.figure(figsize=(10, 10))
plt.subplot(1, arr.shape[1]+1, 1)
plt.imshow(img)
plt.xticks([]); plt.yticks([])
## 数据标注区域图像
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([])
4 评测指标
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。任何一个字符错误都为错误,最终评测指标结果越大越好,具体计算公式如下:
Score=编码识别正确的数量/测试集图片数量
5 解题思路
5.1 简单入门思路:定长字符识别
可以将赛题抽象为一个定长字符识别问题;本赛题数据集中大部分图像中字符个数为2-4个,最多字符 个数为6个。因此可以将问题都抽象为6个字符的识别问题,字符23填充为23XXXX,字符231填充为231XXX。
经过填充之后,原始的赛题可以简化了6个字符的分类问题。在每个字符的分类中会进行11个类别的分类,假如分类为填充字符,则表明该字符为空。
5.2 专业字符识别思路:不定长字符识别
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,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。
5.3 专业分类思路:检测再识别
本数据集已经给出了数据标签位置信息,比较适合用物体检测的思路完成;
参考物体检测模型SSD或者YOLO来完成