街景字符编码识别-Task1赛题理解之我见

赛题链接

传送门

关于数据

看了数据集sample，可以归纳为「单行不定长数字串ocr」。
解题思路有三种：

1. 不定长补成定长
   这个思路很粗暴，但也很巧，将补位位置的背景统一归类为第11类数字
2. 直接使用不定长算法
   之前没听过。。
3. 检测识别
   这个是我接触过的ocr的正统思路，emmm

关于baseline

跑了下baseline的代码，纯cpu下太慢了。。没跑完，果断换cuda模式（use_cuda=True），然后，跑出bug了:

主要是数据在内存和显存之间的拷贝问题，下面是原始代码和fix bug之后的代码：

• 原代码

def predict(test_loader, model, tta=10):
	......
	for i, (input, target) in enumerate(test_loader):
                if use_cuda:
                    input = input.cuda()
                
                c0, c1, c2, c3, c4 = model(input)
                output = np.concatenate([
                    c0.data.numpy(), 
                    c1.data.numpy(),
                    c2.data.numpy(), 
                    c3.data.numpy(),
                    c4.data.numpy()], axis=1)
                test_pred.append(output)
	......

• bug fix代码

def predict(test_loader, model, tta=10):
	......
	for i, (input, target) in enumerate(test_loader):
                if use_cuda:
                    input = input.cuda()
                
                    c0, c1, c2, c3, c4 = model(input)
                    output = np.concatenate([
                        c0.cpu().data.numpy(), 
                        c1.cpu().data.numpy(),
                        c2.cpu().data.numpy(), 
                        c3.cpu().data.numpy(),
                        c4.cpu().data.numpy()], axis=1)
                else:
                    c0, c1, c2, c3, c4 = model(input)
                    output = np.concatenate([
                        c0.data.numpy(), 
                        c1.data.numpy(),
                        c2.data.numpy(), 
                        c3.data.numpy(),
                        c4.data.numpy()], axis=1)
                test_pred.append(output)
	......

跑完后传到天池上测了下，正确率在0.43，比教程里估计的0.33高不少。。。不知道啥情况