DataWhale天池比赛 Task1

最新推荐文章于 2024-07-03 09:14:23 发布
最新推荐文章于 2024-07-03 09:14:23 发布
阅读量247 收藏
点赞数
分类专栏： 天池比赛 文章标签： 计算机视觉 深度学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/x550262257/article/details/106237915
版权

赛事理解

enter image description here

任务

本赛题需要选手完成街景字符编码识别，即识别图片中所有的字符。

数据

如上图该数据来自Google街景真实场景图像中的门牌号。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(字符的位置框)；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。

思路

1)按定长字符串处理

2）按单字符目标检测处理

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：

Michael-洋
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Datawhale零基础入门CV赛事(街景字符编码识别)-Task1 赛题理解
qq_37791134的博客
05-19 323
2020.5.19 背景 零基础入门CV赛事- 街景字符编码识别是Datawhale联合天池举办的CV入门学习赛，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。通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。 学习目标 理解赛题背景和赛题数据 完成赛题报名和数据下载，理解赛题的解题思路 了解赛题 赛题数据 赛题来源自Google街景图像中的门牌号数据集（The Street View House N
[天池比赛]task1 & task2
rj_v587的博客
03-24 264
[初次体验]天池比赛task1&task2 checkTask1CSDN Markdown check数据挖掘资料Task2Datawhale 数据挖掘入门练习 Task1 第一次用CSDN的Markdown编辑器，慢慢习惯。 CSDN Markdown check 熟悉csdn blog的markdown输入，很简单的语法以及编辑。（除了表格） 数据挖掘资料 Gituhub Dataw...
datawhale金融风控挑战赛：赛题理解
m0_37735141的博客
09-15 1064
datawhale金融风控挑战赛：赛题理解一、比赛数据1.1数据特征理解1.2 Pandas数据读取二、常见分类指标2.1 混淆矩阵2.2 准确率（Accuracy）2.3 精确率（Precision）2.4 召回率（Recall）2.5 F1 Score2.6 P-R曲线（Precision-Recall Curve）2.7 ROC（Receiver Operating Characteristic）2.8 AUC(Area Under Curve)三、金融风控预测类常见评估指标3.1 KS(Kolmog
2024Datawhale-AI夏令营——机器学习挑战赛——学习笔记
最新发布
weixin_61573157的博客
07-03 473
ai夏令营#datawhale#夏令营。
DataWhale天池比赛 Task5
x550262257的博客
06-02 197
模型集成 5.1集成学习方法 常见的集成学习方法有Stacking、Bagging和Boosting，同时这些集成学习方法与具体验证集划分联系紧密。由于深度学习模型一般需要较长的训练周期，如果硬件设备不允许建议选取留出法，如果需要追求精度可以使用交叉验证的方法。 那么在10个CNN模型可以使用如下方式进行集成： 对预测的结果的概率值进行平均，然后解码为具体字符； 对预测的字符进行投票，得到最终字符。 5.2深度学习中的集成学习 5.2.1Dropout Dropout经常.
Datawhale赛事大满贯来了!
Datawhale
07-13 561
Datawhale学习主办方：科大讯飞，Datawhale2021科大讯飞大赛正式开赛了，Datawhale作为大赛的开源生态伙伴，联合科大讯飞举办了用于学习实践的大满贯赛题，帮助大家...
2024 Datawhale 夏令营 零基础入门大模型技术竞赛 Task1 + Task2
2301_82132670的博客
07-02 1328
AI夏令营 #Datawhale #夏令营记录自己参加 Datawhale 夏令营期间的学习心得，欢迎交流讨论这一版笔记主要是对 Baseline 跑通过程的记录、代码初步分析；直播讲解的观后心得。
Datawhale-Task2数据读取和数据扩增直播(1)(1).pptx
05-28
这是datawhale开源小组分享的ppt,是在天池平台上的一个比赛的讲解ppt，比赛是零基础学cv之街景字符识别。这个ppt是第二次直播课的ppt。
Datawhale-天池入门赛街景字符编码识别-Task1：赛题理解
qq_34446027的博客
05-21 329
本次新人赛是Datawhale与天池联合发起的零基础入门系列赛事第二场 —— 零基础入门CV赛事之街景字符识别。赛制、赛题和数据详见天池官网链接。 数据集 本次比赛的数据集为处理过的SVHN，训练集3w，验证集1w，测试集4w，不同于原始SVHN的分辨率（均为32*32），本赛题的数据集分辨率各不相同，简单浏览数据集，可以看出图像对应的编码长度为1-6不等，主要集中在2-4，编码长度为6的图像极少（可考虑作为离群点），各字符颜色、字体、字号多种多样，需要想办法提取出最合适的特征用于最后的识别。 赛题思路 定
DataWhale&天池-金融风控贷款违约预测-Task01赛题理解
xiaohaojzh的博客
09-15 798
目录一、赛题概况二、数据集介绍三、预测指标理解通过ROC曲线评估分类器最佳阈值点选择 一、赛题概况 本次新人赛是Datawhale与天池联合发起的0基础入门系列赛事第四场 —— 零基础入门金融风控-贷款违约预测。比赛地址：https://tianchi.aliyun.com/competition/entrance/531830/introduction. 赛题以金融风控中的个人信贷为背景，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，这是一个典型的分类问题。 本次赛事分
DataWhale_天池_零基础入门金融风控_贷款违约预测_Task1_赛题理解
baidu_36184635的博客
09-15 647
队伍： NULL 阿里天池比赛地址： 零基础入门金融风控-贷款违约预测 DataWhale组队学习地址： 九月组队学习 一、赛题背景 本次新人赛是Datawhale与天池联合发起的0基础入门系列赛事第四场 —— 零基础入门金融风控-贷款违约预测。 赛题以金融风控中的个人信贷为背景，要求选手根据贷款申请人的数据信息预测其是否有违约的可能，以此判断是否通过此项贷款，这是一个典型的分类问题。通过这道赛题来引导大家了解金融风控中的一些业务背景，解决实际问题，帮助竞赛新人进行自我练习、自我提高。 为了更好的引导大家入
DataWhale_《如何打一个数据挖掘比赛》入门版
07-19
DataWhale_《如何打一个数据挖掘比赛》入门版
第38期Datawhale组队学习——零基础入门数据挖掘赛事
weixin_44259058的博客
06-17 363
Datawhale第38期组队学习“零基础入门数据挖掘赛事”，
练习赛 | Datawhale和Kesci联合发起的比赛实践
Francis的博客
03-07 306
NLP练习赛为了提升大家的实践能力，Datawhale和Kesci联合上线了一个NLP方向的练习赛——搭建文本情感分类模型Kesci & DatawhaleKes...
（2021年3月）Datawhale数据挖掘挑战赛TASK1 baseline
林立可
03-17 283
参加Datawhale数据挖掘挑战赛——零基础入门数据挖掘（心跳信号分类）的学习笔记 比赛地址:https://github.com/datawhalechina/team-learning-data-mining/tree/master/HeartbeatClassification import os import gc import math import pandas as pd import numpy as np import lightgbm as lgb import xgboost a
task 01 数组---datawhale and 天池
qq_51605067的博客
02-16 144
task 01 数组—datawhale and 天池 例题分析 1. 两数之和 class Solution { public: vector<int> twoSum(vector<int>& nums, int target) { int n = nums.size(); for (int i = 0 ; i < n - 1; ++ i) for (int j = i + 1; j < n ;+
Datawhale时间序列实践 Task01：比赛全流程体验
Andrew_zjc的博客
02-20 199
1.Docker安装 因为搬家，所以只有一台13年的mac pro可以用来学习了，目前我的mac的系统版本是10.12，很老旧啦按照苹果公司的风格赶快淘汰买新的，但是我不服，因为这mac我还没怎么用过。 群里各种讨论docker是什么，docker不好装。说实话，我也对docker一知半解，知道它是一个容器。那么问题来了，它和虚拟机比如VMware，比如Java虚拟机有什么区别呢？终于在百度之后，我大概明白了docker的前世今生，它与虚拟机的最大区别是虚拟机会虚拟硬件，创造虚拟的OS，而docker不会，
Datawhale&天池 零基础入门CV赛事-Task1 赛题理解
water19111213的博客
05-20 255
Datawhale&天池 零基础入门CV赛事-Task1 赛题理解 本章内容将会对街景字符识别赛题进行赛题背景讲解，对赛题数据的读取进行说明，并给出集中解题思路。 1 赛题理解 赛题名称：零基础入门CV之街道字符识别 赛题目标：通过这道赛题可以引导大家走入计算机视觉的世界，主要针对竞赛选手上手视觉赛题，提高对数据建模能力。 赛题任务：赛题以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。 为了简化赛题难度，赛题数据采用公开数据集SVHN，因此大家可以选择很多相应
datawhale数据竞赛组队学习-比赛总结
小白cvnice的博客
01-20 289
数据分析 使用describe()，cov()函数查看数据之间的联系，使用折线图查看变量之间的关系。 数据清洗 处理缺失值，使用平均值，最大值，频次最多的值代替缺失值，甚至可以将缺失值作为新的特征值。 异常值处理，可视化处理方式：箱图，散点图，数学处理方法：孤立森林 特征工程 特征合并：将类似的特征进行合并 计算统计特征：对特征进行求平方差，均值等统计量。 特征选择：对已经构造的特征进行选取...
天池 datawhale 街景字符编码识别
11-13
天池是一个著名的数据科学竞赛平台，而datawhale是一家致力于数据科学教育和社群建设的组织。街景字符编码识别是指通过计算机视觉技术，对街道场景中的字符进行自动识别和分类。 街景字符编码识别是一项重要的研究领域，对于提高交通安全、城市管理和智能驾驶技术都具有重要意义。街道场景中的字符包括道路标志、车牌号码、店铺招牌等。通过对这些字符进行准确的识别，可以辅助交通管理人员进行交通监管、道路规划和交通流量分析。同时，在智能驾驶领域，街景字符编码识别也是一项关键技术，可以帮助自动驾驶系统准确地识别和理解道路上的各种标志和标识，为自动驾驶提供可靠的环境感知能力。 天池和datawhale联合举办街景字符编码识别竞赛，旨在吸引全球数据科学和计算机视觉领域的优秀人才，集思广益，共同推动该领域的研究和发展。通过这个竞赛，参赛选手可以使用各种机器学习和深度学习算法，基于提供的街景字符数据集，设计和训练模型，实现准确的字符编码识别。这个竞赛不仅有助于促进算法研发和技术创新，也为各参赛选手提供了一个学习、交流和展示自己技能的平台。 总之，天池datawhale街景字符编码识别是一个具有挑战性和实际应用需求的竞赛项目，旨在推动计算机视觉和智能交通领域的技术发展，同时也为数据科学爱好者提供了一个学习和展示自己能力的机会。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值