Datawhale 零基础⼊⻔CV 学习笔记(一)

赛题理解

首先这个题目一拿到就感觉是基本的目标检测了，典型的ocr问题。所以自然想到目标检测的一些模型，以及ocr问题种的一些模型解决方案。baseline是基于pytorch的，所幸这方面pytorch的资源也比较丰富，唯一需要解决的就是机器的问题。

数据理解

统计json文件中的信息，发现label主要为数字0-9共十个数字，计数发现除了1出现比较多以外，其他数字的数量比较平均不存在不平衡的现象。

观察图片发现字体变化不大，大多都比较扭曲但都有类似的图片存在。

框的长宽比范围比较广，从0.5到29,尺度大小也比较大，从几个像素到300+像素，因此需要考虑到不同尺度的问题。

而且图片大小不一致也需要进行处理。因此要考虑不同感受尺度的结果。

后期计划

由于自己机器训练不了，所以第一步使用学校的超算，看能否进行一些计算。

尝试一些2stage的方法，加入一些改进和其他比赛方案的经验。感觉这个数据有很多比较困难的样例。所以可以考虑将一些预测准确的加入训练集，进一步增强，虽然可能没啥效果哈。