Datawhale 零基础入门CV赛事-Task1 赛题理解

最新推荐文章于 2024-10-04 05:55:37 发布

qq_43155490

最新推荐文章于 2024-10-04 05:55:37 发布

阅读量190

点赞数

分类专栏：计算机视觉文章标签：计算机视觉

本文链接：https://blog.csdn.net/qq_43155490/article/details/106238135

版权

计算机视觉专栏收录该内容

1 篇文章 0 订阅

订阅专栏

文章目录

Datawhale 零基础入门CV赛事-Task1 赛题理解

Datawhale 零基础入门CV赛事-Task1 赛题理解

赛题名称：零基础入门CV之街道字符识别
赛题目标：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多相应的paper作为思路参考。

1.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。

2.赛事数据

赛题数据来自收集的SVHN街道字符，并进行了匿名采样处理。例如：
在这里插入图片描述
比赛规则：参赛选手只能使用比赛给定的数据集完成训练，不能使用SVHN原始数据集进行训练。比赛结束后将会对Top选手进行代码审核，违规的选手将清除排行榜成绩。需要参赛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、验证集中所有字符的位置框。

其中训练集数据包括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。

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、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
lable	字符编码

具体示意如下：
在这里插入图片描述
在比赛数据（训练集和验证集）中，字符的数量是不确定的。
如图片中的字符数量为2时，JSON可能表示为：“000000.png”: {“height”: [219, 219], “label”: [1, 9], “left”: [246, 323], “top”: [77, 81], “width”: [81, 96]}

字符数量为4是，JSON可能表示为：“000054.png”: {“height”: [35, 35, 35, 35], “label”: [1, 1, 3, 7], “left”: [116, 128, 137, 151], “top”: [27, 29, 29, 26], “width”: [15, 10, 17, 17]},

即每张图片的字符量与数组的长度是相同的。

下面给出JSON中标签的读取方式：

import json
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'])

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([])