SVHN-Recognition

This project is a PyTorch implementation that uses deep CNN to recognize multi-digit numbers using the SVHN dataset derived from Google Street View house numbers, each picture contains a set of numbers from 0 to 9, the model is tested to have 89% accuracy.

Environment

conda create -n py311 python=3.11 -y
conda activate py311
pip install -r requirements.txt

Usage

1. Clone the source code:

git clone [email protected]:MuGemSt/SVHN-Recognition.git
cd SVHN-Recognition

2. Run convert_to_lmdb.py
3. Run train.py

Dataset

Street View House Number Dateset 来源于谷歌街景门牌号码

本次任务的目标数据集是其中的 Format 1 (Full Numbers: train.tar.gz, test.tar.gz , extra.tar.gz)

其中，train.tar.gz 为训练数据集，test.tar.gz为测试数据集。注：extra.tar.gz是附加数据集，建议不使用。

在 train.tar.gz 与 test.tar.gz 中，分别包含：

1. 一些 .png 格式的图片，每张图片包含一个门牌号；
   
2. 一个 digitStruct.mat 文件，包含每张图片所对应的门牌号，以及每个门牌号数字的位置信息；
   
3. 一个 see_bboxes.m 文件，用于辅助 Matlab 环境下的处理，请忽略之。

Tasks

1. 设计一个网络，用 train.tar.gz 中的数据进行训练，并用 test.tar.gz 中的数据进行测试；
2. 在测试的过程中，不允许使用 test.tar.gz/digitStruct.mat 文件中的位置信息作为输入，即必须在“忽略测试数据集中给出的位置信息”的前提下，识别出 test.tar.gz 中每张图片中的门牌号；
3. 撰写一份报告，包含如下信息：
   (1) 所设计的网络的结构和超参数信息；
   (2) 网络的训练方法和优化方法；
   (3) 体现训练过程的“训练曲线”；
   (4) 识别准确率；

Params

Steps	GPU	Batch Size	Learning Rate	Patience	Decay Step	Decay Rate	Accuracy
122000	GTX 1080 Ti	512	0.01	100	625	0.9	89.21%

Training curve

Reference

[1] Multi-digit Number Recognition from Street View Imagery using Deep Convolutional Neural Networks