天池——街景字符编码识别 1

比赛地址：https://tianchi.aliyun.com/competition/entrance/531795/introduction
学习内容：https://github.com/datawhalechina/team-learning/tree/master/03%20%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E5%AE%9E%E8%B7%B5%EF%BC%88%E8%A1%97%E6%99%AF%E5%AD%97%E7%AC%A6%E7%BC%96%E7%A0%81%E8%AF%86%E5%88%AB%EF%BC%89

使用工具：Google Colab
使用语言：Python

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。
数据集报名后可见并可下载，该数据来自真实场景的门牌号。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。

数据集样本展示

Baseline思路：将不定长字符转换为定长字符的识别问题，并使用CNN完成训练和验证，具体包括以下几个步骤：

• 赛题数据读取（封装为Pytorch的Dataset和DataLoder）
• 构建CNN模型（使用Pytorch搭建）
• 模型训练与验证
• 模型结果预测

定义Dataset类：

def __init__()		#主要是图像数据的获取
def __getitem__()	#主要是对图像数据的转换和图像增强
def __len__()		#主要是整个数据集的长度

定义train数据：

train_path（顺便排了个序），train_json，train_label

定义val数据：

val_path（也排了序），val_json，val_label

定义dataloader：

train_loader，val_loader

载入模型model：

Resnet18作为特征提取模块

定义训练模块：

# 定义优化器 
optimizer = 
# 定义损失函数
loss = criterion(...)

定义验证模块：

def validate(val_loader, model, criterion)		# 用训练好的模型验证测试数据集。

定义预测模块：

# 定义损失函数
loss = criterion(...)

—— TTA（测试时增强） test time augmentation ：为原始图像造出多个不同的版本，包括不同区域裁剪和更改缩放程度，并将它们输入到模型中，然后对多个版本进行计算得到平均输出，作为图像的最终输出分数。
—— 这种技术很有效，因为原始图像显示的区域可能会缺少一些重要特征，在模型中输入图像的多个版本并取平均值，能解决上述问题。

训练：

acc(accuracy)——精度
val_acc ——验证集精度

criterion = nn.CrossEntropyLoss()	#交叉熵
for epoch in range(2):		#训练两个epoch

对测试集样本进行预测，生成提交文件

定义test_loader：

test_loader = torch.utils.data.DataLoader(
    SVHNDataset(test_path, test_label,
                transforms.Compose([
                    transforms.Resize((64, 128)),
                    transforms.RandomCrop((60, 120)),
                    # transforms.ColorJitter(0.3, 0.3, 0.2),
                    # transforms.RandomRotation(5),
                    transforms.ToTensor(),
                    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ])), 
    batch_size=40, 
    shuffle=False, 
    num_workers=10,
)

预测的结果标签：

test_predict_label = np.vstack([
    test_predict_label[:, :11].argmax(1),
    test_predict_label[:, 11:22].argmax(1),
    test_predict_label[:, 22:33].argmax(1),
    test_predict_label[:, 33:44].argmax(1),
    test_predict_label[:, 44:55].argmax(1),
]).T		#转置

生成输出文件

import pandas as pd
df_submit = pd.read_csv('../input/test_A_sample_submit.csv')
df_submit['file_code'] = test_label_pred
df_submit.to_csv('renset18.csv', index=None)