字符识别"/>
街道字符识别
1 数据集说明
- 数据集来自公开数据集SVHN,进行匿名处理和噪音处理;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;给出了训练集、验证集中所有字符的位置框
2 字段表
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。
Field | Description |
---|---|
top | 左上角坐标X |
height | 字符高度 |
left | 左上角坐标Y |
width | 字符宽度 |
label | 字符编码 |
3 评价指标
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
Score=编码识别正确的数量/测试集图片数量
4 读取数据
import json
train_json = json.load(open('../input/train.json'))# 数据标注处理
def parse_json(d):arr = np.array([d['top'], d['height'], d['left'], d['width'], d['label']])arr = arr.astype(int)return arrimg = cv2.imread('../input/train/000000.png')
arr = parse_json(train_json['000000.png'])plt.figure(figsize=(10, 10))
plt.subplot(1, arr.shape[1]+1, 1)
plt.imshow(img)
plt.xticks([]); plt.yticks([])for idx in range(arr.shape[1]):plt.subplot(1, arr.shape[1]+1, idx+2)plt.imshow(img[arr[0, idx]:arr[0, idx]+arr[1, idx],arr[2, idx]:arr[2, idx]+arr[3, idx]])plt.title(arr[4, idx])plt.xticks([]); plt.yticks([])
5 思路
分类问题,识别图片的字符。难点在于对不定长的字符进行识别。
- 定长字符识别;最多6个字符,因此可以将少于6个的填充为6个,对每个字符进行11个类别的分类,如果分类为填充字符,则表明该字符为空。
- 不定长字符识别;典型的有CRNN字符识别模型,将字符视为一个单词或者一个句子。
- 检测再识别;利用物体检测的思路识别字符的位置,再识别字符。
需要构建字符检测模型,参考物体检测模型SSD或YOLO算法。
注:写的不是很完善,加油~!
更多推荐
街道字符识别
发布评论