CV街景门牌号码识别01_赛题理解

最新推荐文章于 2022-04-28 14:27:27 发布
原创 最新推荐文章于 2022-04-28 14:27:27 发布 · 486 阅读 · 1 ·
CC 4.0 BY-SA版权
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。
文章标签：

#计算机视觉

本文深入探讨街景门牌号码识别的赛题，包括数据集介绍、评测标准和解题策略。赛题核心是分类问题，要求对图片中的不定长字符进行识别。简单入门方法是通过定长字符识别，专业方法则涉及CRNN模型和物体检测技术如SSD或YOLO。

文章目录

一、赛题理解

1、赛题介绍

  • 赛题名称：街景字符编码识别 / 街景门牌号码识别

  • 赛事链接：https://tianchi.aliyun.com/competition/entrance/531795/introduction

  • 数据集：

    • 原数据集为SVHN街景门牌号码数据集, 链接：http://ufldl.stanford.edu/housenumbers/

  • 比赛使用数据集：对SVHN进行匿名处理和噪音处理后的数据集

    • 每张照片包括颜色图像和对应的编码类别和具体位置，训练集、验证集和测试集中标注了字符的位置框
    • 所有的数据（训练集、验证集和测试集）的标注使用JSON格式，并使用文件名进行索引。如果一个文件中包括多个字符，则使用列表将字段进行组合。

  • 数据集划分：

    • 训练集：3W张照片，mchar_train.json，mchar_train文件夹

    • 验证集：1W张照片，mchar_val.json，mchar_val文件夹

    • 测试集A：4W张照片，mchar_test_a

    • 测试集B：4W张照片

  • 数据标签：训练和验证数据集中，图片中字符对应的编码标签和具体的字符框的位置

Field Description
top 左上角坐标X
le
最低0.47元/天 解锁文章
CV街景门牌号码识别02_数据读取与增广
sliceoflife的博客
05-24 848
使用【定长字符识别】思路来构建模型，逐步讲解赛题的解决方案和相应知识点。 2 数据读取与数据扩增 本章主要内容为数据读取、数据扩增方法和Pytorch读取赛题数据三个部分组成。 2.1 学习目标 学习Python和Pytorch中图像读取 学会扩增方法和Pytorch读取赛题数据 2.2 图像读取 由于赛题数据是图像数据，赛题的任务是识别图像中的字符。因此我们首先需要完成对数据的读取操作，在Python中有很多库可以完成数据读取的操作，比较常见的有Pillow和OpenCV。 2.2.1 Pillow
CV街景门牌号码识别03_模型训练与验证
sliceoflife的博客
05-31 928
一个成熟合格的深度学习训练流程至少具备以下功能： 在训练集上进行训练，并在验证集上进行验证； 模型可以保存最优的权重，并读取权重； 记录下训练集和验证集的精度，便于调参。 4 模型训练与验证 为此本章将从构建验证集、模型训练和验证、模型保存与加载和模型调参几个部分讲解，在部分小节中将会结合Pytorch代码进行讲解。 4.1 学习目标 理解验证集的作用，并使用训练集和验证集完成训练 学会使用Pytorch环境下的模型读取和加载，并了解调参流程 4.2 构造验证集 在机器学习模型（特别是深度学习模型）
CV入门（街景字符编码识别）笔记（一）
weixin_45474785的博客
05-20 345
1.配置环境 第一天肯定是先配置环境咯。又到了我最讨厌的下包时刻。 我用的是Pycharm，需要下一个pytorch，试了在仓库里下，老说我pip版本不对，更新了版本，换了编译器路径，怎么都不行。最后还是pip安装成功的： pip3 install torch==1.2.0+cpu torchvision==0.4.0+cpu -f https://download.pytorch.org/whl/torch_stable.html 然后成功了 （也试了好多次，下包真是一件需要耐心的工作了） 然后pip
进阶版*零基础入门CV--街景字符识别（阿里天池学习赛）（得分0.915）
weixin_47349091的博客
04-21 1438
前言 看到那么多同学问baseline的问题，确实我在开始的时候也遇到不少问题，但是也希望大家沉下心，抱着学习的态度去解决，如果一下子就解决了，那这个比赛就没什么意义了，大家共勉吧。 好了，最近打算公开我最后写的源码（fork别人，自己修改一点），希望能给大家一点思路，也欢迎大家和我讨论一下。 如果是真零基础的小伙伴，我建议从baseline学起，也可以去看我之前的文章：https://editor.youkuaiyun.com/md/?articleId=115182198 。 （以下的就先别看了哈） 这篇文章主要
CV街景门牌号码识别03_CNN定长多字符分类模型
sliceoflife的博客
05-26 540
开始构建一个字符识别模型，基于对赛题理解可构建一个定长多字符分类模型。 3 字符识别模型 本章将会讲解卷积神经网络（Convolutional Neural Network, CNN）的常见层，并从头搭建一个字符识别模型。 3.1 学习目标 学习CNN基础和原理 使用Pytorch框架构建CNN模型，并完成训练 3.2 CNN介绍 卷积神经网络（简称CNN）是一类特殊的人工神经网络，是深度学习中重要的一个分支。CNN在很多领域都表现优异，精度和速度比传统计算学习算法高很多。特别是在计算机视觉领域，CNN
CV之街景字符编码识别----赛题理解
kaxiaokui的博客
05-20 268
项目来源：天池CV CV之街景字符编码识别----赛题理解 赛题以街道字符为为赛题数据：如下所示： 项目在提供字符标签的情况下考察模型的训练. 其中给到的标签json文件中包含的内容有： 最后以score作为评价指标 即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。任何一个字符错误都为错误，最终评测指标结果越大越好，具体计算公式如下： Score=编码识别正确的数量/测试集图片数量。 整体而言就是对字符编码识别正确率的一个判断。 但需要注意的问题，因赛题中提供的图片的字符长度不一，需
门牌识别matlab,图像处理大作业之门牌号码识别大作业 opencv 版本
weixin_42299873的博客
03-21 789
1. 前言当时做图像处理大作业的时候， 用的是matlab，因为比较懒就没有使用 opencv 写， 最近突然心血来潮用opencv实现了一下2. 题目描述PI05302: Digital Image ProcessingHomework #6Problem 1用相机自行拍摄一幅图像，编程实现图像边缘检测、图像分割、特征提取以及图像识别等任务。拍摄的图像具有下列要求：1) 图像中需包含学生本人(全...
谷歌如何捕获街景中的门牌号码
Michael Xiao的程序人生
01-23 3831
Google可以在一小时内识别并翻译所有的法国街景中的道路号码，这得益于他们开发的神经网络系统。 现在，让Google的工程师来告诉你他们是如何做到的。
【中国科大精密机械与仪器系2014】图像处理大作业之门牌号码识别大作业 opencv 版本
zhyh1435589631的专栏
04-25 3873
1. 前言当时做图像处理大作业的时候， 用的是matlab，因为比较懒就没有使用 opencv 写， 最近突然心血来潮用opencv实现了一下2. 题目描述 PI05302: Digital Image Processing Homework #6 Problem 1 用相机自行拍摄一幅图像，编程实现图像边缘检测、图像分割、特征提取以及图 像识别等任务。 拍摄的图像
街景字符编码识别1
m0_37108647的博客
05-20 438
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
街景字符编码识别 1
wjsjjss的博客
05-20 437
1 比赛说明 比赛链接：https://tianchi.aliyun.com/competition/entrance/531795/introduction 比赛任务：以计算机视觉中字符识别为背景，要求参赛者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——零基础入门CV赛事之街景字符识别。 2.2 数据集 训练集：3W张照片 验证集：1W张照片 测试集A：4W张照片 测试集B：4W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，如下图所示： 2.3 数据标注信息（json文
街景字符编码识别-Baseline
bage的博客
05-21 1319
baseline思路：使用CNN进行定长字符分类； 运行系统要求：Python2/3，内存4G，有无GPU都可以 线上得分取决于训练轮数，假设比赛数据路径为…/input
街景字符识别编码- 字符识别模型
single6的博客
05-26 439
字符识别模型CNN模型pytorch代码构建CNN模型pytorch代码构建CNN模型 CNN模型 pytorch代码构建CNN模型 CNN即卷积神经网络，是一种层次模型，输入的是原始的像素数据，CNN通过卷积、池化、非线性激活函数和全连接层构成。 层级结构主要是数据输入层/ Input layer，卷积计算层/ CONV layer，ReLU激励层 / ReLU layer，池化层 / Pooling layer，全，连接层 / FC layer； CNN作为一种端到端的结构。在CNN训练的过程中是直接从
街景字符编码识别_Task01赛题理解
Yi_jia_yi的博客
05-20 379
赛题理解 1 赛题了解 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。 训练集数据包括3W张照片，验证集数据包括1W张照片，测试集A/B包括4W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。 所有的数据（训练集、验证集和测试集）的标注使用JSON格式，并使用文件名进行索引。如果一个文件中包括多个字符，则使用列表将字段进行组合。 评价标准为准确率，选手提交结果与实际图片的
街景字符编码识别-task3：字符识别模型
weixin_44739206的博客
05-26 281
首先学习的是模型类的定义： 类中有两个函数： 一个是初始化函数__init__()，用来定义模型是如何构建的； 一个是前向传播函数forward()，用来定义数据是如何传递的。. 没有查资料，全凭自己理解，也有可能是不对的，等明天直播讲完再来更新。 但是为什么是并联六个全连接层，和最长是六位的字符有关系吗？ # 定义模型 class SVHN_Model1(nn.Module): def __init__(self): super(SVHN_Model1, self).__init_
零基础入门CV赛事—Task 1 街景字符编码识别
yungezier的博客
05-20 653
一、赛题背景 赛题名称：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。 赛题目标：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。 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
天池学习赛:零基础入门CV - 街景字符编码识别
weixin_42920869的博客
04-28 3028
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、安装YOLOv51.拉取yolov5的代码2.下载模型3.配置环境4.测试二、动手实践街景字符编码识别1.查看数据2.读入数据总结 前言 阿里天池学习赛:街景字符编码识别 跟着官方的baseline走了一遍,准确率大概在0.48左右 现在想法是使用yolov5来提高精度.之前没咋接触过完整的完成一个项目,所以想记录下 一、安装YOLOv5 1.拉取yolov5的代码 git clone https://github.c.
【天池比赛】街景字符编码识别
DawN
05-20 1601
一、赛题理解 1.注册报名 　　赛题链接：https://tianchi.aliyun.com/competition/entrance/531795/introduction 2.解析赛题数据 　　报名之后可以获取到比赛中用到的数据，训练集（图片+标签），验证集（图片+标签），测试集（仅图片），其中标签为json文件，可以转换为自己需求的标注文件。 训练集： 标签： 000000.png: {"height": [219, 219], "label": [1, 9], "left": [246, 323
门牌号码识别技术及模型训练实践指南
门牌号码识别是计算机视觉领域中的一个应用场景，其目标是从图像中自动识别并读出门牌上的数字信息。在城市导航、快递分拣、地理信息系统（GIS）等众多实际应用中有着广泛的需求。门牌号码识别技术可以大幅提高相关...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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