Task1赛题理解

赛题理解

1.赛题数据：
赛题数据主要是街道上的数字的牌子，最多不超过5位数。训练集包括3万张图像，验证集包括1万张图像。
2.数据标签：
训练集和验证集的每张图像的标签主要包括：图像名字（和图像数据中的名字一一对应），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），如图所示：

3.评价指标：
评价标准为准确率，选手提交结果与实际图片的编码进行对比，以编码整体识别准确率为评价指标，结果越大越好，具体计算公式如下：

score=编码识别正确的数量{测试集图片数量}\frac{编码识别正确的数量}{测试集图片数量}
因此我们可以在验证集上采用准确度作为评价指标。
4.数据集的读取：

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([])

5.解题思路：
本次比赛的难点在于所有图像的数字长度不一样，有两种方法可以解决。
（1）选出所有图像中数字最长（比如5），然后所有图像都按照5个字符进行识别，不足5的使用填充字符视为空值。
（2）利用josn给出的数字坐标，先检测出数字的位置然后在进行分类。