一、首先配置相关环境:
1. 安装Anaconda软件
去Anaconda的官网下载Anacondahttps://www.anaconda.com/products/individual
里面有各种系统版本(本次实验在win10下进行)
安装完之后, 进入Anaconda的安装目录下的Scripts,根据各自的目录, 打开cmd命令行,为了避免权限问题,最好使用管理员权限打开,并查询conda的版本, 使用
conda --version
显示如下:
可以看到conda 4.7.11等conda的版本编号,则说明安装成功。
2. 配置需要运行的环境以及安装示例
(1)首先在Anaconda中创建一个专门用于本次天池练习的虚拟环境。
conda create -n py37_torch131 python=3.7
(2)激活环境,并安装pytorch1.3.1
$conda install pytorch=1.3.1 torchvision cudatoolkit=10.0
3. 零基础入门CV赛事——街景字符编码识别
赛题名称:零基础入门CV赛事- 街景字符编码识别
赛题地址:https://tianchi.aliyun.com/competition/entrance/531795/information
比赛的数据,在官网,可以登录下载
(1)数据标注:
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:
Field | Description |
top | 左上角坐标X |
height | 字符高度 |
left | 左上角坐标Y |
width | 字符宽度 |
label | 字符编码 |
字符的坐标具体如下所示:(关于坐标的相关知识,请参考笛卡尔坐标系)
在比赛数据中,同一张图片可能包括一个和多个字符,因此在比赛数据的JSON标注中,会有两个字符的边框信息:
(2)读取数据:
参考代码如下:
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
import json
train_json = json.load(open('../tianchi/mchar_train.json')) # 根据自己的目录来修改
# 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('../tianchi/mchar_train/000000.png') # 根据自己的目录来修改
arr = parse_json(train_json['000000.png'])
plt.figure(figsize=(10, 10))
plt.subplot(1, arr.shape[1]+1, 1)
plt.imshow(img)
plt.xticks([]); plt.yticks([])
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([])
例如:
(3)分析赛题
赛题思路分析:赛题本质是分类问题,需要对图片的字符进行识别。但赛题给定的数据图片中不同图片中包含的字符数量不等,如下图所示。有的图片的字符个数为2,有的图片字符个数为3,有的图片字符个数为4。
a. 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,在赛题数据集中大部分图像中字符个数为2-4个,最多的字符 个数为6个。
因此可以对于所有的图像都抽象为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为6个字符的分类问题。在每个字符的分类中,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。
b. 专业字符识别思路:不定长字符识别
在字符识别研究中,有特定的方法来解决此种不定长的字符识别问题,比较典型的有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。
c. 专业分类思路:检测再识别
在赛题数据中已经给出了训练集、验证集中所有图片中字符的位置,因此可以首先将字符的位置进行识别,利用物体检测的思路完成。
此种思路需要参赛选手构建字符检测模型,对测试集中的字符进行识别。选手可以参考物体检测模型SSD或者YOLO来完成。