Content
TASK1
数据集
图片大小不一,eg. 743524, 需要resize
Train Dataset: 3W张图片
Validation Dataset: 1W张图片
Test_a Dataset: 4W张图片
Json:height等list中个数与该图片中label个数相等
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 |
不定长字符识别思路
- 定长 - 每个字符为0-9或填充字符(如X),共计11类
- 不定长 - CRNN
(Q:“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。”?CRNN的优缺点?适用数据?) - 定位后识别 - SSD / YOLO
Baseline
Resize + Resnet18, batch size 40
TASK2
图像处理包:
1) pillow:
# 加模糊滤镜
from PIL import Image, ImageFilter
im = Image.open(‘cat.jpg’)
im2 = im.filter(ImageFilter.BLUR)
im2.save(‘blur.jpg’, ‘jpeg’)
# 裁剪图片
im.thumbnail((w//2, h//2))
im.save(‘thumbnail.jpg’, ‘jpeg’)
# 官方库:https://pillow.readthedocs.io/en/stable/
2)OpenCV
BRG换RGB、灰度图、边缘检测
import cv2
# 导入Opencv库
img = cv2.imread(‘cat.jpg’)
# Opencv默认颜色通道顺序是BRG,转换一下
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
# 转换为灰度图
img = cv2.cvt