【datawhale】学习小组打卡
比赛链接:零基础入门 CV 赛事 - 街景字符编码识别
打卡任务:赛题理解
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 Numbers Dataset, SVHN),并根据一定方式采样得到比赛数据集。
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。
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:
s c o r e = 编 码 识 别 正 确 的 数 量 测 试 集 图 片 数 量 score = \frac {编码识别正确的数量} {测试集图片数量} score=测试集图片数量编码识别正确的数量
数据标签
通过解析json文件发现,数据集标签包含:height、label、left、top、width。
其表示的含义为
Field | Description |
---|---|
height | 字符高度 |
label | 字符编码 |
left | 左上角最表Y |
top | 左上角坐标X |
width | 字符宽度 |
解题思路
- 这是一个多标签字符分类问题。可以直接用multi label来进行训练;也可以看做目标检测问题,先把每个字符位置检测出来,再进行分类,这样分类会很容易。
- 需要分类的目标是字符,边缘轮廓比较清晰,可以利用传统CV算法进行辅助,边缘检测、腐蚀膨胀、二值化等操作。