Datawhale 零基础⼊⻔CV-Task1 赛题理解

最新推荐文章于 2024-09-13 07:29:17 发布

原创最新推荐文章于 2024-09-13 07:29:17 发布 · 457 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#python

本文详细介绍了Pytorch的安装流程，包括在Anaconda3环境下通过官网下载及安装验证。此外，针对一项字符识别赛题，文章提供了数据读取、预处理方法，并概述了三种解题思路，包括定长字符识别、不定长字符识别和检测再识别的专业策略。

1.如何安装Pytorch

Pytorch只能在64位的Anaconda3下安装，安装了Anaconda3，可以不必再安装Python，因为Anaconda3自带Python3+。最好采用有线网，也可以使用手机热点来下载安装资源。

安装Anaconda。
**在官网下载64位的Anaconda。地址https://repo.anaconda.com/archive/Anaconda3-2020.02-Windows-x86_64.exe。下载安装完成后，用管理员模式打开Anaconda Prompt，输入conda update conda。再输入conda upgrade --all升级全部安装包（此次等待时间较长）。
-安装Pytorch
刚开始用的是conda出现各种问题，一直安装不好。然后采用了下图的指令，安装成功。

https://pytorch.org/，在此网站中下载。
- 检测Pytorch是否安装成功
输入python回车，
进入python下，然后输入import torch，如果可以导入，则安装成功。如下图：

2.赛题数据及其读取

赛题数据来源：阿里天池竞赛报名：https://tianchi.aliyun.com/competition/entrance/531795/introduction

#为了避免麻烦，我将整个代码所需的库，都引入了，可以删除一些没必要的库
import os, sys, glob, shutil, json
os.environ["CUDA_VISIBLE_DEVICES"] = '0'
import cv2
from PIL import Image
import numpy as np
from tqdm import tqdm, tqdm_notebook
import torch
torch.manual_seed(0)
torch.backends.cudnn.deterministic = False
torch.backends.cudnn.benchmark = True
import torchvision.models as models
import torchvision.transforms as transforms
import torchvision.datasets as datasets
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torch.autograd import Variable
from torch.utils.data.dataset import Dataset
import numpy as np 
import matplotlib.pyplot as plt

train_json =json.load(open(r'C:/Users/WQ/Desktop/input/mchar_train.json'))#数据集读取的时候，要记得加r或者用双斜杠。

#<div STYLE="page-break-after: always;"></div>   在给的代码中是应用到的，但是，加入这行代码运行结果出错。

# 数据标注处理
def parse_json(d):
    arr = np.array([
        d['top'], d['height'], d['left'], d['width'], d['label']
    ])#用图片的数据标签，创建一个一维矩阵。
    arr = arr.astype(int)#将数值类型转换为整型。
    return arr

img = cv2.imread(r'C:/Users/WQ/Desktop/input/mchar_train/000000.png')#读取图片000000.png
'''
cv2.imread(filepath,flags)
其中，filepath - 读取图片的完整路径；
flags有三种标志：
cv2.IMREAD_COLOR - 默认参数：读彩色图片，忽略alpha通道
cv2.IMREAD_GRAYSCALE - 读取灰度图片
cv2.IMREAD_UNCHANGED - 读取完整图片，包括alpha通道

'''

Arr = parse_json(train_json['000000.png'])#将parse_json()函数中的train_json（）图片进行标注处理。
plt.figure(figsize=(10, 10))#指定figure的宽和高，单位为英寸
plt.subplot(1, arr.shape[1]+1, 1)
'''plt.subplot表示整个figure分成1行arr.shape[1]+1列，共2个子图，这里子图在第一行第一列
arr.shape[1]表示输入参数可以是一维矩阵的长度。
'''
plt.imshow(img)
'''
根据图像的深度，imshow函数会自动对其显示灰度值进行缩放，规则如下：
1.如果图像数据类型是8U（8位无符号），则直接显示。
2.如果图像数据类型是16U（16位无符号）或32S（32位有符号整数），则imshow函数内部会自动将每个像素值除以256并显示，即将原图像素值的范围由[0~255*256]映射到[0~255]
3.如果图像数据类型是32F（32位浮点数）或64F（64位浮点数），则imshow函数内部会自动将每个像素值乘以255并显示，即将原图像素值的范围由[0~1]映射到[0~255]（注意：原图像素值必须要归一化）
'''

plt.xticks([]); plt.yticks([])#规定x,y轴的刻度。

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([])

读取结果如下：
在这里插入图片描述

3.赛题思路

资料中提供了3种思路，如下：

简单⼊⻔思路：定⻓字符识别
可以将赛题抽象为一个定长字符识别问题，在赛题数据集中大部分图像中字符个数为2-4个，最多的字符个数为6个，因此可以对于所有的图像都抽象为6个字符的识别问题，字符23填充为23XXXX，字符231填充为231XXX。经过填充之后，原始的赛题可以简化了6个字符的分类问题，分为11类(0-9, X）。在每个字符的分类中会进行个类别的分类，假如分类为填充字符，则表明该字符为空。
**专业字符识别思路：不定⻓字符识别
在字符识别研究中，有特定的方法来解决此种不定长的字符识别问题，比较典型的有CRNN字符识别模型在本次赛题中给定的图像数据都比较规整，可以视为一个单词或者一个句子。
专业分类思路：检测再识别**
此可以首先将字符的位置进行识别，利用物体检测的思路完成，此种思路需要参赛选手构建字符检测模型，对测试集中的字符进行识别。选手可以参考物体检测模型SSD或者YOLO来完成。

我打算选择定长字符识别的思路。