CV入门实践-街景字符编码识别

最新推荐文章于 2024-05-02 18:32:34 发布

Sherlock-Leo

最新推荐文章于 2024-05-02 18:32:34 发布

阅读量735

点赞数

文章标签：机器学习

本文链接：https://blog.csdn.net/qq_42942096/article/details/106205224

版权

1 运行环境搭建（Anaconda+pytorch）

1.1 Anaconda安装

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包，Anaconda 的下载文件比较大，大概有500多M，如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）

官网下载安装包，根据提示安装即可，安装难度不大。安装过程的Advanced Options 两个选项都可以勾选。

一般在anaconda自带的jupyter notebook中编程，第一次安装建议更改jupyter notebook的默认存储路径，更改方式如下:

启动Anaconda Prompt,输入如下命令，会显示一条路径

jupyter notebook --generate-config

在显示的路径中找到Jupyter_notebook_config.py文件，打开该文件找到下面这行，删掉开头的“#”，在’ '中输入你要启动的目录路径。

#c.NotebookApp.notebook_dir =' '

之后找到Jupyter的快捷方式，右键打开属性，将快捷方式中“目标”中的%USERPROFILE%去掉即可。

1.2 pytorch安装

启动Anaconda Prompt，首先创建一个虚拟环境用来安装pytorch，并激活该环境

conda create -n py37_torch151 python=3.7
conda activate  py37_torch151

在安装pytorch之前，建议更换国内镜像源再安装pytorch，不然下载速度会非常慢，更换清华镜像源方法如下：

更换pypi 镜像：link.
更换Anaconda 镜像：link.

登录pytorch官网查询适合自己电脑配置的下载命令，在使用conda安装前再次添加清华源pytorch。再敲入pytorch官网给出的命令即可（需要去除官网给的下载命令中的-c pytorch，指定为conda自带的pytorch仓库）

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

PS：

若在安装pytorch的GPU版本时出现CUDA不匹配的情况可参考该博客link来升级CUDA
在用conda安装包时可能会出现“无法定位程序输入点XXX于XXX.dll上”的情况，解决方法可参照该博客link

2 街道字符识别-题目理解

2.1 背景简介

题目是阿里天池的一道基础入门比赛-街道字符识别，数据来源于公开数据集SVHN街道字符。提供训练集数据3W张照片，验证集数据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；提供了训练集、验证集中所有字符的位置框。

2.2 解题思路

由于样本数据中的字符是不完全相等的，有的是两个字符、有的三个甚至四个，所以需要对不定长的字符进行识别，主要有以下三种思路

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，可以对于所有图像都抽象为6个字符的识别问题。比如，字符23，可以填充为23XXXX，字符231，可以填充为231XXX。
不定长字符识别
可以用 CRNN字符识别模型来识别该类问题
对字符的位置进行识别，利用物体检测的思路完成。

3 街道字符识别-字符识别模型

卷积神经网络（简称CNN）是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN是解决图像分类、图像检索、物体检测和语义分割的主流模型。
CNN每一层由众多的卷积核组成，每个卷积核对输入的像素进行卷积操作，得到下一次的输入。随着网络层的增加卷积核会逐渐扩大感受野，并缩减图像的尺寸。
CNN是一种层次模型，输入的是原始的像素数据。CNN通过卷积（convolution）、池化（pooling）、非线性激活函数（non-linear activation function）和全连接层（fully connected layer）构成。
通过多次卷积和池化，CNN的最后一层将输入的图像像素映射为具体的输出。如在分类任务中会转换为不同类别的概率输出，然后计算真实标签与CNN模型的预测结果的差异，并通过反向传播更新每层的参数，并在更新完成后再次前向传播，如此反复直到训练完成。
与传统机器学习模型相比，CNN具有一种端到端（End to End）的思路。在CNN训练的过程中是直接从图像像素到最终的输出，并不涉及到具体的特征提取和构建模型的过程，也不需要人工的参与。
随着网络结构的发展，研究人员最初发现网络模型结构越深、网络参数越多模型的精度更优。比较典型的是AlexNet、VGG、InceptionV3和ResNet的发展脉络。
ResNet主要是添加了网络的恒等映射，进而使得前面的梯度信息不会出现梯度弥散，通过恒等映射使得保留了前面的信息，这样可以使得网络更深
DenseNet是ResNet的改进版本在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。这个CNN模型包括两个卷积层，最后并联6个全连接层进行分类。

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
 
# 定义模型
class SVHN_Model1(nn.Module):
    def __init__(self):
        super(SVHN_Model1, self).__init__()
        # CNN提取特征模块
        self.cnn = nn.Sequential(
            nn.Conv2d(3, 16, kernel_size=(3, 3), stride=(2, 2)),
            nn.ReLU(),  
            nn.MaxPool2d(2),
            nn.Conv2d(16, 32, kernel_size=(3, 3), stride=(2, 2)),
            nn.ReLU(), 
            nn.MaxPool2d(2),
        )
        # 
        self.fc1 = nn.Linear(32*3*7, 11)
        self.fc2 = nn.Linear(32*3*7, 11)
        self.fc3 = nn.Linear(32*3*7, 11)
        self.fc4 = nn.Linear(32*3*7, 11)
        self.fc5 = nn.Linear(32*3*7, 11)
        self.fc6 = nn.Linear(32*3*7, 11)
    
    def forward(self, img):        
        feat = self.cnn(img)
        feat = feat.view(feat.shape[0], -1)
        c1 = self.fc1(feat)
        c2 = self.fc2(feat)
        c3 = self.fc3(feat)
        c4 = self.fc4(feat)
        c5 = self.fc5(feat)
        c6 = self.fc6(feat)
        return c1, c2, c3, c4, c5, c6
    
model = SVHN_Model1()