Datawhale零基础入门CV赛事(街景字符编码识别)-Task1 赛题理解

最新推荐文章于 2022-04-28 14:27:27 发布
最新推荐文章于 2022-04-28 14:27:27 发布
阅读量375 收藏 2
点赞数
分类专栏： 街景字符编码识别
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/qq_37791134/article/details/106209325
版权
本文介绍了Datawhale与天池联合举办的CV入门赛事——街景字符编码识别，赛题源于Google街景图像的门牌号数据集SVHN。通过理解赛题背景、数据集和解题思路，引导初学者进入计算机视觉领域。参赛者需预测真实场景中的字符，评价标准为准确率。解题策略包括数字检测与识别，建议使用如Keras等框架并参考开源代码进行初步尝试。
摘要由CSDN通过智能技术生成

2020.5.19

背景

零基础入门CV赛事- 街景字符编码识别是Datawhale联合天池举办的CV入门学习赛，赛题以计算机视觉中字符识别为背景，要求选手预测真实场景下的字符识别，这是一个典型的字符识别问题。通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。

学习目标

  • 理解赛题背景和赛题数据
  • 完成赛题报名和数据下载，理解赛题的解题思路

了解赛题

  • 赛题数据

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），点此进入链接，并根据一定方式采样得到比赛数据集。只能使用给定数据集，不能用原始数据集。

训练集数据：3W张，每张照片包括颜色图像和对应的编码类别和具体位置；

验证集数据：1W张，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：4W张。（本人是A）

测试集B：4W张。

下载后：

最低0.47元/天 解锁文章
快乐成长吧
关注
专栏目录
零基础入门CV赛事—Task 1 街景字符编码识别
yungezier的博客
05-20 525
一、赛题背景 赛题名称：本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第二场 —— 零基础入门CV赛事之街景字符识别。 赛题目标：赛题以计算机视觉中字符识别为背景，要求选手预测真实场景下的字符识别，这是一个典型的字符识别问题。通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。 赛题任务：赛题以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。 为了简化赛题难度，赛题数据采用公开数据集SVHN，因此大家可以选择很
Datawhale-天池入门赛街景字符编码识别-Task1：赛题理解
qq_34446027的博客
05-21 380
本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第二场 —— 零基础入门CV赛事之街景字符识别。赛制、赛题和数据详见天池官网链接。 数据集 本次比赛的数据集为处理过的SVHN，训练集3w，验证集1w，测试集4w，不同于原始SVHN的分辨率（均为32*32），本赛题的数据集分辨率各不相同，简单浏览数据集，可以看出图像对应的编码长度为1-6不等，主要集中在2-4，编码长度为6的图像极少（可考虑作为离群点），各字符颜色、字体、字号多种多样，需要想办法提取出最合适的特征用于最后的识别。 赛题思路 定
零基础入门CV - 街景字符编码识别 用yolov3和yolov3_tiny教程
qq_40214464的博客
06-04 1647
一、从官方依次下载文件并解压： 对于新手稍微提一下，这个数据集是通过下载下来的链接下载的。直接输入网址，打开既开始下载！.json文件不是下载，是复制。点开链接，创建一个.json文件，复制到里面即可。（我也不知道为啥，反正我下载的时候就这样） 我们会发现训练集为30000张图片，验证集为10000张图片。 注意：（.json文件不是下载，是复制。点开链接，创建一个.json文件，复制到里面即可） 数据集下载好，首先要把.json文件转换为我们所需要的的txt文件。 为了防止图片不连续，这里先生成图片
零基础入门CV赛事- 街景字符编码识别_TASK1
Baby1601tree的博客
05-18 618
本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第二场 —— ***零基础入门CV赛事之街景字符识别*** 赛题以计算机视觉中字符识别为背景，要求预测真实场景下的字符识别，这是一个典型的字符识别问题 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 blog仅记录代码部分 导入模块 import json # 方便对JSON格式数据的处理 import nump
零基础入门CV赛事- 街景字符编码识别-DataWhale
qq_33346150的博客
05-19 1094
街景字符编码识别任务与目标安装PYTorch 任务与目标 赛题任务：赛题以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。 为了简化赛题难度，赛题数据采用公开数据集SVHN，因此大家可以选择很多相应的paper作为思路参考。 理解赛题背景和赛题数据 安装PYTorch 我的电脑没有GPU所以安装CPU版本。在官网中配置自己需要的软件版本和机器型号。 在anaconda中新建环境选择‘Python3.7’版本，打开新建环境终端，键入第一步PYTorch官网生成的命令"c
零基础入门CV赛事- 街景字符编码识别
weixin_43881292的博客
05-25 316
零基础入门CV赛事- 街景字符编码识别题目理解baseline构建读取数据集构建多分类模型训练和验证 题目理解 真实场景的字符识别，多字符的分类问题，给出了每个字符的坐标，有学术界的论文可以参考。 baseline 赛题本质是分类问题，包括多个字符。 思路一：抽象为定长字符识别问题，把所有字符填充相同长度，6个字符的多分类问题 思路二：不定长字符识别问题，比较典型的CRNN字符识别模型 思路三：单字符识别问题，利用物体检测 本次用思路一 构建读取数据集 构建多分类模型 训练和验证 ...
零基础入门CV赛事—街景字符编码识别—task1赛题理解
Libaididi的博客
05-18 758
Datawhale 零基础入门CV赛事—街景字符编码识别—赛题理解街景字符编码识别数据集数据来源数据标签评测标准标签数据读取解题思路简单入门思路：定长字符识别专业字符识别思路：不定长字符识别专业分类思路：检测再识别小节 街景字符编码识别 零基础入门CV赛事- 街景字符编码识别是Datawhale联合天池举办的CV入门学习赛，赛题以计算机视觉中字符识别为背景，要求选手预测真实场景下的字符识别，这是一个典型的字符识别问题。通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模
天池零基础入门CV赛事- 街景字符编码识别-Task3-字符识别模型
christianzhang93的博客
05-26 377
天池零基础入门CV赛事- 街景字符编码识别-Task3-字符识别模型Pytorch构建CNN模型模型搭建训练模型使用预训练模型 Pytorch构建CNN模型 在上一章节我们讲解了如何使用Pytorch来读取赛题数据集，本节我们使用本章学习到的知识构件一个简单的CNN模型，完成字符识别功能。 在Pytorch中构建CNN模型非常简单，只需要定义好模型的参数和正向传播即可，Pytorch会根据正向传播自动计算反向传播。 在本章我们会构建一个非常简单的CNN，然后进行训练。这个CNN模型包括两个卷积层，最后并联6
零基础入门CV赛事—街景字符编码识别—task3字符识别模型
Libaididi的博客
05-25 247
零基础入门CV赛事—街景字符编码识别—task3字符识别模型 在前面的章节，我们学习了赛题的背景知识和赛题数据的读取。本章开始构建一个字符识别模型，基于对赛题理解本章将学习构建一个定长多字符分类模型。 字符识别模型 ...
零基础入门CV赛事- 街景字符编码识别--Task1赛题理解
yyy_balabala小屋的博客
05-20 390
街景字符编码识别这是一个典型的字符识别问题。 数据来源 以街道字符为数据，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。 数据标签 对于训练数据每张图片将给出对于的编码标签，和具体的字符框的位置（训练集，测试集和验证集都给出字符位置），可用于模型训练： 字符的具体坐标如下所示： 数据的读取 评价指标 实验以识别
零基础入门cv - 街景字符编码识别_【精简教程版】100行代码入手天池CV赛事
weixin_39644611的博客
11-24 281
Datawhale作者：阿水、陈信达 Datawhale成员本文针对阿里天池《零基础入门CV赛事-街景字符编码识别》，给出了百行代码Baseline，帮助cv学习者更好地结合赛事实践。同时，从赛题数据分析和解题思路分析两方面进行了详细的解读，以便于大家进阶学习。数据及背景https://tianchi.aliyun.com/competition/entrance/531795/...
天池学习赛:零基础入门CV - 街景字符编码识别
weixin_42920869的博客
04-28 2653
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、安装YOLOv51.拉取yolov5的代码2.下载模型3.配置环境4.测试二、动手实践街景字符编码识别1.查看数据2.读入数据总结 前言 阿里天池学习赛:街景字符编码识别 跟着官方的baseline走了一遍,准确率大概在0.48左右 现在想法是使用yolov5来提高精度.之前没咋接触过完整的完成一个项目,所以想记录下 一、安装YOLOv5 1.拉取yolov5的代码 git clone https://github.c.
零基础入门CV- 街景字符编码识别（一）
惊鸿一现
05-20 839
赛题来自天池的零基础入门cv，这是本人第一次入门cv赛事，这里记录整个小比赛的过程、算法、总结等，希望大家能从中获取有用的知识。 赛题名称：街景字符编码识别（听名字就很有feel） 赛题任务：要求选手预测街道字符编码，这是一个典型的字符识别问题，赛题数据采用公开数据集SVHN。 数据下载： https://pan.baidu.com/s/1RMnufb2KV_sGTO8HwKwQ5w 提取码：tiuy 数据介绍： 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
零基础入门CV赛事- 街景字符编码识别Task1
ora_dy的博客
05-20 500
在阿里天池拿到任务，总体判断大赛目标和走向。街景字符编码识别，从题目看就是计算机视觉的赛题。下面聊聊，我从拿到题目下来对赛题的理解。 1.赛题数据与实际的理解 从天池平台下载下来包括3个zip压缩文件，两个json文件，和一个CSV数据文件。zip压缩文件是一些png的图片文件，也是机器学习的主要文件，分别为训练集，验证集，和预测集。大概看了一下图片，数字的大小，数量，位置，方向各不一样。不过，好处就在大赛为了降低难度，已经用json文件告知你图片的大小，位置和图片的内容的范围。如下000000.png
零基础入门CV赛事—街景字符编码识别—Task4 模型训练与验证
Libaididi的博客
05-29 396
文章目录模型训练与验证构造验证集过拟合和欠拟合模型训练与验证模型保存与加载 上次学习构建一个简单的CNN进行训练，并可视化了训练过程中的误差损失和第一个字符预测准确率，但这些还远远不够。一个成熟合格的深度学习训练流程至少具备以下功能： 在训练集上进行训练，并在验证集上进行验证； 模型可以保存最优的权重，并读取权重； 记录下训练集和验证集的精度，便于调参。 模型训练与验证 构造验证集 在机器学习模型（特别是深度学习模型）的训练过程中，模型是非常容易过拟合的。深度学习模型在不断的训练过程中训练误差会逐渐降低
天池 datawhale 街景字符编码识别
最新发布
11-13
天池是一个著名的数据科学竞赛平台，而datawhale是一家致力于数据科学教育和社群建设的组织。街景字符编码识别是指通过计算机视觉技术，对街道场景中的字符进行自动识别和分类。 街景字符编码识别是一项重要的研究领域，对于提高交通安全、城市管理和智能驾驶技术都具有重要意义。街道场景中的字符包括道路标志、车牌号码、店铺招牌等。通过对这些字符进行准确的识别，可以辅助交通管理人员进行交通监管、道路规划和交通流量分析。同时，在智能驾驶领域，街景字符编码识别也是一项关键技术，可以帮助自动驾驶系统准确地识别和理解道路上的各种标志和标识，为自动驾驶提供可靠的环境感知能力。 天池和datawhale联合举办街景字符编码识别竞赛，旨在吸引全球数据科学和计算机视觉领域的优秀人才，集思广益，共同推动该领域的研究和发展。通过这个竞赛，参赛选手可以使用各种机器学习和深度学习算法，基于提供的街景字符数据集，设计和训练模型，实现准确的字符编码识别。这个竞赛不仅有助于促进算法研发和技术创新，也为各参赛选手提供了一个学习、交流和展示自己技能的平台。 总之，天池datawhale街景字符编码识别是一个具有挑战性和实际应用需求的竞赛项目，旨在推动计算机视觉和智能交通领域的技术发展，同时也为数据科学爱好者提供了一个学习和展示自己能力的机会。
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