阿里天池新人賽 之街景字元識別（1）

正式賽時間：2020.5.14-2020.6.24

比賽**：

所有的資料（訓練集、驗證集和測試集）的標註使用json格式，並使用檔名進行索引。如果乙個檔案中包括多個字元，則使用列表將字段進行組合。

賽題思路分析：賽題本質是分類問題，需要對的字元進行識別。但賽題給定的資料中不同中包含的字元數量不等，如下圖所示。有的的字元個數為2，有的字元個數為3，有的字元個數為4。

1.簡單入門思路：定長字元識別

2.專業字元識別思路：不定長字元識別

3.專業分類思路：檢測再識別

import pandas as pd

import os
import requests
import zipfile
import shutil
# 檢視基本資訊
links = pd.read_csv(
'data/mchar_data_list_0515.csv'
)print
(links.head())
for i, link in
enumerate
(links[
'link'])
:    file_name = links[
'file'
][i]
print
(file_name,
'\t'
, link)
file_name =
'data/'
+ file_name
ifnot os.path.exists(file_name)
:        response = requests.get(link, stream=
true
)with
open
(file_name,
'wb'
)as f:
for chunk in response.iter_content(chunk_size=
1024):
if chunk:
f.write(chunk)
zip_list =
['mchar_train'
,'mchar_test_a'
,'mchar_val'
]# 解壓檔案
for little_zip in zip_list:
ifnot os.path.exists(
'data/'
+ little_zip)
:        zip_file = zipfile.zipfile(
'data/'
+ little_zip +
'.zip'
,'r'
)        zip_file.extractall(path=
'data/'
)# 解壓後的_macosx資料夾裡邊的內容不可讀，這是上傳者的mac壓縮檔案時自動生成的，無用，刪去即可
# 資料標註處理
defparse_json
(d):
arr = np.array(
[d['top'
], d[
'height'
], d[
'left'
],  d[
'width'
], d[
'label']]
)    arr = arr.astype(
int)
return arr
# 讀取影象
				
天池街景字元識別個人看法
個人對賽題的理解，以及對實現的思路的一些看法，小白看法，也不知道對不對 對賽題的理解 由於以前個人對cnn有一點基礎，我覺得本次賽題即街景字元編碼識別可以用cnn來實現，convolutional是對影象特徵提取比較好的方式。傳統方式沒有運用卷積操作，直接把個個類別的影象對應的畫素直接flatten...
				
天池  街景字元識別  Task5 模型整合
結果後處理 小節在機器學習中的整合學習可以在一定程度上提高 精度，常見的整合學習方法有stacking bagging和boosting，同時這些整合學習方法與具體驗證集劃分聯絡緊密。由於深度學習模型一般需要較長的訓練週期，如果硬體裝置不允許建議選取留出法，如果需要追求精度可以使用交叉驗證的方法。下...
				
天池 街景字元編碼識別 賽題理解
評測指標 結果提交 賽題思路分析 資料集介紹 賽題資料 自google街景影象中的門牌號資料集 the street view house numbers dataset,svhn 並根據一定方式取樣得到比賽資料集。訓練集資料報括3w張 驗證集資料報括1w張 每張 包括顏色影象和對應的編碼類別和具體...