天池实战-街景字符编码识别-task1赛题理解

写在前面的话

在写这篇文章的时候，我其实已经把整个项目的流程都过完了，包括Pytorch对于模型的训练等等，所以这篇题目为赛题理解但实际也会说到后面的内容，不光是题目所说的赛题理解这么简单

总之，请你按整个项目的流程去走，去了解整个项目的背景、数据和目的，以及要求的环境等等，然后再针对目标去一步步的完善代码

按照建模流程，整个过程可以分为：赛题理解，数据预处理，建立模型，模型优化，模型集成 五个部分

ok，准备开始

赛题理解

此次的赛题是针对计算机视觉的一个入门练习，对于不懂计算机视觉的小白（比如我）难度不小，但是因为建模的流程差别不大，所以整个过程是既熟悉又陌生

另外，本次比赛是通过Pytorch下实现的，所以可能也需要去稍微补一补Pytorch的内容，比如Pytorch下建模的流程，相应的神经网络相关的方法概念等等

赛题目标：

通过对训练集中图片的训练，使得模型能够尽可能多的识别测试集中的图片

所以天池的评测指标是： $Score=\frac{编码识别正确的数量}{测试集图片数量}$

赛题数据：

本次赛题提供了训练集、验证集和测试集，其中训练集数据包括3W张图片，验证集数据包括1W张图片，测试集包括4W张图片片。

所有的图片都是来自于Google街景图像中的门牌号，所以图像比较小，也没有什么规律可言，就和下图中所展示的一样：

另外，题目官方为了降低题目难度，直接给出了训练集和验证集中所有图片的字符位置框，其中包括图片中字符的如下位置信息：

Field	Description
top	左上角坐标X
height	字符高度
left	左上角最表Y
width	字符宽度
label	字符编码

针对一个具体的图像，通过它的位置信息确定字符所在的区域并截取出来一个更小的图像。具体的位置参数在图像中是这样的：

工具与平台

针对图像的加载、处理等需要安装图像处理框架，例如Pillow、Opencv等实现图像的裁剪、旋转、变换等预处理

通过Pytorch框架构建CNN模型，所以需要预先安装Pytorch

另外涉及Pytorch的相关使用，还需要了解Pytorch的相关操作，例如张量的相关操作，选择GPU或者CPU训练模型等等

# 安装opencv
pip install opencv-python

# 安装pytorch
pip install torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

具体的Pytorch 的安装可以直接去官网：Pytorch安装