DW街景字符编码识别-赛题理解

我不是女神ヾ 2023-02-10 13:27 30阅读 0赞

## 项目介绍 ##

此次项目为datawhale和阿里天池合作举办的[cv入门赛事街道字符识别][cv]，采用深度学习模型。  
该任务较早见于花书的作者古德费洛在12-13年在谷歌做出的研究。当时谷歌需要对极大的街景门牌号图片数据集进行数字提取以使每一个地点能在谷歌地图上有正确的门牌号信息。这样一个转码项目必然要消耗极大的人力物力，因此当时采用深度学习模型来实现自动转码，并最终取得了98%的覆盖率，大幅提高效率。  
本菜鸡对于深度学习以及CV一窍不通，所以先从了解啥是深度学习以及计算机视觉开始，参考了六一等大佬们的学习路线，找到了如下资料：

*  [《一天搞懂深度学习》][Link 1]
 *  [《Deep learning for computer vision with python》][Deep learning for computer vision with python]
 *  [《Deep learning for computer vision with python》的介绍][Deep learning for computer vision with python 1]  
    有了教材，找到了就等于学过了 我们可以总结出一些图像识别的基本原理：

## 项目数据 ##

本次项目采用谷歌公开数据集“街景房屋号码（SVHN）”，其中测试集数据为3万张图片，验证集数据为1万张图片；测试集A包括4W张照片，测试集B包括4W张照片。  
为了降低比赛的难度，对于每一张图片，都有对应的编码标签和具体的字符框的位置以用于模型的训练，具体的数据格式说明如下表所示：

<table> 
 <thead> 
  <tr> 
   <th>Field</th> 
   <th>Description</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>top</td> 
   <td>字符框左上角的坐标X</td> 
  </tr> 
  <tr> 
   <td>height</td> 
   <td>字符高度</td> 
  </tr> 
  <tr> 
   <td>left</td> 
   <td>字符框左上角的坐标Y</td> 
  </tr> 
  <tr> 
   <td>width</td> 
   <td>字符框的宽度</td> 
  </tr> 
  <tr> 
   <td>label</td> 
   <td>字符编码</td> 
  </tr> 
 </tbody> 
</table>

## 评测指标 ##

项目的评测指标以字符串整体的识别正确率作为标准，其中任何一个字符的错误都算整体错误。score表示如下：  
 s c o r e = 总 图 片 数 量 编 码 字 符 串 识 别 正 确 的 图 片 数 量 score= \\frac \{总图片数量\} \{编码字符串识别正确的图片数量\} score=编码字符串识别正确的图片数量总图片数量  
[（使用latex在csdn中插入公式）][latex_csdn]

[cv]: https://github.com/datawhalechina/team-learning/tree/master/03%20%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89%E5%AE%9E%E8%B7%B5%EF%BC%88%E8%A1%97%E6%99%AF%E5%AD%97%E7%AC%A6%E7%BC%96%E7%A0%81%E8%AF%86%E5%88%AB%EF%BC%89
[Link 1]: https://www.cnblogs.com/liuyihai/p/8448977.html
[Deep learning for computer vision with python]: http://finelybook.com/deep-learning-for-computer-vision-with-python/
[Deep learning for computer vision with python 1]: https://www.cnblogs.com/paladinzxl/category/1263454.html
[latex_csdn]: https://www.zybuluo.com/codeep/note/163962#1%E5%A6%82%E4%BD%95%E6%8F%92%E5%85%A5%E5%85%AC%E5%BC%8F