【datawhale】学习小组打卡博客1

【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：
$$score=\frac{编码识别正确的数量}{测试集图片数量}$$

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

1. 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。
2. 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。