成绩：
- score：0.939
- 排名： 长期赛 3/3750
赛题来源自Google街景图像中的门牌号数据集（The Street View House Numbers Dataset, SVHN），并根据一定方式采样得到比赛数据集。
数据来自真实场景的门牌号。
- 训练集数据
mchar_train包括3W张照片，验证集mchar_val数据包括1W张照片，每张照片包括：颜色图像 、对应的编码类别 和 具体位置； - 测试集A
mchar_test_a包括4W张照片，测试集B包括4W张照片。
字段表
# 举例
# "000018.png": {"height ": [19, 19, 19], "label": [2, 2, 2], "left": [19, 28, 36], "top": [1, 1, 1], "width": [7, 7, 7]},
# （字符高度， 标签， 左上角坐标X， 左上角坐标Y, 字符宽度）
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Y |
| height | 字符高度 |
| left | 左上角坐标X |
| width | 字符宽度 |
| label | 字符编码 |
字符的坐标具体如下所示：
同一张图片中可能包括一个或者多个字符
| 原始图片 | 图片JSON标注 |
|---|---|
 |
 |
评价标准为准确率，选手提交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，结果越大越好，具体计算公式如下： $$ score = \frac{编码识别正确的数量}{测试集图片数量} $$
- Python 3.8
- 其余的见
YOLOv5/requirements.txt
数据集文件夹的图片数据和标注数据结构如下所示：
├─data
│ ├─mchar_train
│ │ ├─images
│ │ └─labels
│ └─mchar_val
│ │ ├─images
│ │ └─labels
│ ├─mchar_test_a
│ │ ├─images
│ │ └─labels
│ data.yaml
└─YOLOv5
YOLOv5要求一张图片一个 txt 文件， 内容如下（其中坐标的取值都是 [0, 1]）：
<object-class> <x_center> <y_center> <width> <height>
步骤：
- 运行
make_label.py文件，把数据的标注的格式修改成YOLOv5的标注格式。 - 训练的时候，在训练集和验证集加载数据的时候出问题，有错误数据，删了。
- 把验证集的前7999张图片和对应的7999个标签，加上前缀
'val_'后，把它们放到里训练集里。所以：- 训练集：37998张
- 验证集： 2000张
-
注释掉了数据增强里的翻转。（防止数据
6，翻转后变成9等情况 ） -
增大了cls损失的权重。
- 修改数据集的配置文件
data/data.yaml内容：
train: ../data/mchar_train
val: ../data/mchar_val
nc: 10
names: ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']- 修改
yolov5/models/YOLOv5x.yaml的内容：
# number of classes
nc: 10 # number of classes- 训练：
python train.py --data ../data/data.yaml --cfg models/yolov5x.yaml --weights yolov5x.pt --batch-size 4 --img-size 320 --workers 0 --multi-scale- detect：
python detect.py --source ../data/mchar_test_a --weights ./runs/train/exp/weights/best.pt --save-txt --img-size 192 --conf-thres 0.3 --iou-thres 0.35- 处理输出的label：
python change_label.py- 可多detect几次，做模型融合。