mser文字matlab代码-SVHN_Classic:使用经典计算机视觉技术从GoogleStreetView门牌号图像中检测...

mser文字matlab代码SVHN_Classic 挑战：主要使用经典的图像处理/计算机视觉技术，在没有神经网络的情况下为SVHN数据集实现良好的分类器。 解决方案：使用MSER功能和“笔划宽度”变化检测图像中的数字，并使用“ K最近邻”方法对每个边界框中的数字进行分类。 在验证集的图像上，我的平均F1得分达到80％。 运行文件的顺序： 通过Matlab的detect_text.m：使用图像处理技术（例如MSER特征检测和笔划宽度变化）提取每个图像中每个数字的边界框。 用于此文件的图像是从“额外” tar数据集中提取的图像（这些图像更适合我对该算法的假设）。 通过Python 3进行convert_to_h5py.py：用于转换digitStruct.mat中训练集的数据，即来自“训练” tar的数据。 通过Python 3进行train_svhn.py训练分类器并保存模型。 根据验证集上的混淆矩阵结果选择了最佳模型（我选择k = 31的k个最近邻居）。 我在验证集上获得的最佳F1分数平均为所有数字的80％。 我附加了保存的模型“ knn_svhn.pkl”。 通过Python 3：