计算机视觉实践（街景字符编码识别）/Datawhale 零基础入门CV -赛题理解

最新推荐文章于 2020-05-20 16:09:06 发布
最新推荐文章于 2020-05-20 16:09:06 发布
阅读量311 收藏
点赞数
分类专栏： deep learning 文章标签： 深度学习 pytorch
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/sinat_26566137/article/details/106234438
版权

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。

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

完成情况

（1）了解了赛题背景和赛题数据；
（2）了解实现思路

遇到的问题

（1）ubuntu系统对下载下来的数据集会自动隐藏，用命令eog显示打开，打不开；

(2) 某些安装包的安装

一只勤奋爱思考的猪
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
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
05-20 460
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
零基础入门CV赛事- 街景字符编码识别_TASK1
Baby1601tree的博客
05-18 565
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Task1
ora_dy的博客
05-20 445
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-DataWhale
qq_33346150的博客
05-19 800
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之街道字符识别 Task1 赛题理解
cclaree的博客
05-19 278
赛题任务 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。 赛题数据 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。 评测指标 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/
计算机视觉项目，缺陷检测，地表建筑物识别，街景字符识别+源代码+文档说明
最新发布
04-19
计算机视觉项目，缺陷检测，地表建筑物识别，街景字符识别+源代码+文档说明 - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分达到...
深度学习项目-街景字符识别.zip
04-14
深度学习项目-街景字符识别.zip深度学习项目-街景字符识别.zip深度学习项目-街景字符识别.zip深度学习项目-街景字符识别.zip深度学习项目-街景字符识别.zip深度学习项目-街景字符识别.zip深度学习项目-街景字符识别....
天若ocr开源版本的本地版，采用Chinese-lite和paddleocr识别框架
01-12
这两款强大的框架在计算机视觉领域具有广泛的应用，尤其在文字识别方面展现出了卓越的性能。 一、Chinese-lite框架详解 Chinese-lite是专门为中文文字识别定制的轻量级模型，其设计理念在于实现快速、低内存占用的...
计算机视觉之目标检测数据集：底特律街景目标检测数据集6分类（yolo标注格式的txt文件）
01-07
项目包含底特律街景目标检测数据集，可直接用作目标检测数据集，无需额外处理。 分类类别包括：汽车、交通标志、车道线、行人、摩托车手、骑行者 数据集介绍：分为训练集、验证集、测试集，总大小475MB 训练集：1575...
零基础入门CV数据集-数据集
03-04
来源自Google街景图像中的门牌号数据集（The Street View House Numbers Dataset, SVHN），并进行匿名采样得到数据集。 mchar_data_list_0515.csv
零基础入门CV之街道字符识别——Task-1赛题理解
qq_44675568的博客
05-19 287
1.5数据读取代码 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’).
【学习笔记】零基础入门CV之街道字符识别-赛题理解
机器小笨笨的博客
05-20 218
1.主要内容 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。 新的改变 我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客： 全新的界面设计 ，将会带来全新的写作体验； 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
【学习记录】零基础入门CV之街道字符识别-Task1 赛题理解4.92
NiniMocha的博客
05-19 288
【学习记录】零基础入门CV之街道字符识别-Task1 赛题理解4.92 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。 1.1赛题数据 1.数据来源：数据来自收集的SVHN（The Street View House Numbers）街道字符，并进行了匿名采样处理。 2.数据使用：所有的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
街景字符识别—赛题理解
lz你ps的博客
05-20 337
目录1. 赛题背景2. 赛题数据3. 评分标准4. 解题思路 1. 赛题背景 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。 2. 赛题数据 赛题来源自Google街景图像中的门牌号数据集，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。 为
【学习记录-街景字符识别】TASK 1：赛题理解
m0_46704533的博客
05-20 318
街景字符识别-赛题理解1.赛题任务2.赛题数据3.数据标签4.评测指标5.读取数据6.解题思路7.本章小结 本文内容将对街景字符识别赛题的理解做相应记录，同时作为一个CV初学者，我也想借此练习一下撰写博客的能力，感谢批评指正。 1.赛题任务 本题以计算机视觉中字符识别为背景，要预测街道字符编码，采用SVHN数据集做一个简单的字符识别问题。 2.赛题数据 赛题用的是比赛给定的SVHN街道字符数据集，已进行匿名采样。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
零基础入门CV之街道字符识别（一）
misaka的博客
05-20 519
我感觉比较费时间的是pytorch的安装，由于在网上找不到一个合适的教程，安装pytorch花了很长时间，主要是网上的教程大多和我的情况不一样。 赛题理解 在这之前还没有接触过cv这一方向。所以第一眼看到赛题是一种很茫然的感觉。之后看了讲解学到了一个大概的思路。不过数据处理部分也是很重要的。 这次的cv比赛是对SVHN街道字符的识别。并且给了数据的字符位置框。 数据标签 数据标签中有字符的长，宽，字符的编码和左上角坐标x和左上角的坐标y。 然后就可以通过给出的数据标签信息进行标签的识别。 评测指标 这次的评
【天池—街景字符编码识别】Task 1 赛题理解
snail9610的博客
05-20 468
文章目录1 比赛说明2 数据说明2.1 数据来源2.2 数据集2.3 数据标注信息（json文件）3 评价标准4 提交的结果形式5 解题思路（重点）5.1 简单入门思路：定长字符识别5.2 专业字符识别思路：不定长字符识别5.3 专业分类思路：检测再识别 1 比赛说明 比赛链接：https://tianchi.aliyun.com/competition/entrance/531795/introduction 比赛任务：以计算机视觉中字符识别为背景，要求参赛者预测真实场景下的字符识别，这是一个典型的字符
零基础入门CV之街道字符识别—01
Ray的博客
05-20 414
赛题理解和思路介绍赛题理解1.数据标签2.读取数据思路分析 赛题理解 赛题名称：零基础⼊入⻔门CV赛事- 街景字符编码识别 赛题地址：????????????https://tianchi.aliyun.com/competition/entrance/531795/information 一些注意事项和赛题数据见比赛官网，这里就不在过多累赘。 1.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： 字符的坐标具体如下所示：
天池-街景字符编码识别-赛题理解
josh的博客
05-20 426
文章目录赛题数据数据集介绍目标字段表评测指标结果提交赛题思路分析 赛题数据 数据集介绍 赛题数据来源自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。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 *数据集样本展示 目标 识别图片中所有的字符 字段表 所有的数据（训练集、验证集和测试集）的标注使用JSON格式，并使用文件名进行索引。如果一个文
天池 datawhale 街景字符编码识别
11-13
天池是一个著名的数据...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 1
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