Task 1赛题理解

来源Task1

首先是目标

• 理解赛题背景
  很好理解，就是在一张图中找数字，虽然网站上说找字符，但是从007569.png 对应的label为7和5看出应该是找数字

• 理解赛题数据
  mchar_train.json 对应mchar_train 文件夹中的图片
  代码中 train_json = json.load(open('C:\mydata\mchar_train.json'))
  读出来的train_json是一个字典，键值为height, label, left, top, width

  
  
  json和图片的关系
  
  

  label就是表示这张图片中有哪些数字
  需要用矩形来截出图片中的数字
  height width 所需要的矩形的高和宽
  left和top 是矩形的左上角相对于图片左上角的位置

  
  
  这个图已经解释的很清楚了
• 数据下载
  在这个网站里面下载csv文件
  csv文件里面有数据的链接地址 直接用迅雷下就可以了
• 理解赛题的思路
  题目是要识别图片里面的数字，数字的个数不是固定的，主办方提供的三种思路，1是将所有数字个数看成是定长的，不足的用X来填充， 2是用特定的方法来识别 比如CRNN字符识别模型， 3是先对数字的位置进行识别 然后利用物体检测来进行检测

示例代码分析

代码

parse_json 就是将train_json这个dict中的值 转变成整型的np.array 其shape是5*n， n为图片中数字的个数
plt.subplot(1, arr.shape[1] + 1, 1) 是画1行n + 1的图， 第一列是原图片，剩下的是每个数字的截取图
关于plt.xticks([]) 和 plt.yticks([]) 作用在于把下图周围的数字的消灭掉

不使用plt.xticks

底下的for循环就是根据train_json中的left top height width来截取图片中的每个数字
arr[0, idx]:arr[0, idx] + arr[1, idx]就是top 到 top + height
arr[2, idx]:arr[2, idx] + arr[3, idx]就是left 到 left + width
plt.title就是显示的label