bytetriper / Number-Recognition

code repo for ACM PPCA 2nd test/B problem: bytetriper的数字识别

RT.

图像识别一直是很热门的话题，因此跟热点的 bytetriper 这次任务是做简单的手写数字识别！

大家都知道，AI 已经杀死了 CV（计算机视觉），但守旧的 bytetriper 不喜欢神经网络，因此决定把这个任务出成开放题，交给各位解决。

任务描述

在本题中，你只需要解决基础的灰度图片单个数字识别的问题。即给定一张灰度图片，输出 0-9 的一个数字作为你的预测。

例如： 应该被分类为 6，

应该被分类为 4（虽然很像 9）。

具体来讲，你需要实现 src.hpp 中的 judge 函数并将整个 src.hpp 上交到 OJ。

typedef std::vector<std::vector<double>> IMAGE_T;
int judge(IMAGE_T &img);

其中 IMAGE_T 为一个二维 vector，即图片的二维数组表示，数据存储约定见后。

judge 函数的返回值即为你对于这张图片的预测值。

请注意，返回除了 0-9 之外的任何其他返回值都被认为是非法的，会引发错误。

数据

下发数据和代码都已放在 Code Repo。

我们对图片的存储方式做如下规定：

• 所有图像均被表示为二维数组 $A_{N\times N},A_{i,j}\in [0,1]$ ，其中 1 为纯白，0 为纯黑。
• 所有图像都由 png/ppm 格式储存。
• 数字都为白色，且符合人类正常书写规律。不会出现倒着写，横着写的情况。
• 保证数字一定存在于图片中，但不对数字的形状、大小、区域做任何保证。
• 部分数据已经下发，详见仓库中的 data/，数据具体来源及与测试数据集差别详见 tips：

Prerequisite

• 由于使用 C++ 读入 png/jpg/jpeg 图片非常不方便，我们下发了 ppm 格式的图片以方便读取。
• 同时，我们也给出了读取 PPM 文件的代码，你可以直接使用。
• 虽然文件以 PPM 格式存储，但内容实际是 P5 的 PGM，即灰度图。你可以在这里查看 PGM 的具体格式。

Read from ppm

• 源文件 read_support.cpp 与 read_support.h 已下发在仓库中。 read_support.h 中提供了两个函数的接口：

typedef std::vector<std::vector<double>> IMAGE_T;
IMAGE_T read_ppm(const std::string &filename);
IMAGE_T read_ppm();
void check(IMAGE_T mat);

• read_ppm 函数接受一个字符串作为 ppm 文件地址，返回一个二维 vector，即图片的二维数组表示，数据存储约定见前。没有参数的 read_ppm 函数行为和上述函数相同，但是会从标准输入读取 ppm 文件。
• check 函数接受一个二维 vector，并在控制台输出该二维 vector 的内容，以方便你调试。

评分

本题评分标准如下：

我们希望衡量的是算法的正确的概率。设测试数据集有 $N$ 张图片，你正确判断了其中的 $M$ 张，那么你的得分是

$$ 1000 \times \frac{M}{N}. $$

上交到 OJ 的代码会在测试集数据下进行测试。请注意：测试数据集与下发数据不同。

为了方便更有针对性的优化，在评测信息中给出了 $10\times 10$ 的矩阵 $Acc$ ，其中 $Acc_{i,j}$ (0-based) 为你在 label $i$ 的测试数据上的预测为 label $j$ 的概率（ $\sum_{j=0}^9 Acc_{i,j}=1$ ）。

本地测试

欢迎在本地用下发数据自行评测结果，具体评测方式：

• 进入仓库根目录（和 Makefile 同级），执行 make，编译出可执行文件 test。由于 stdc++17 在 MINGW 上的 path 实现有一些问题，请尽量使用 Linux 或者 WSL 进行测试。

  如果你没有安装 make，可以使用命令 g++ -std=c++17 test.cpp read_support.cpp -o test 编译。

• 如果希望简单地在所有下发数据上测试，请使用：./test，输出为在所有数据上的正确率。
• 如果希望对某个 label 的数据进行测试，请使用：./test [label]（如 ./test 1 ），输出为在该 label 上的正确率。
• 你也可以自行改动代码以实现更精细的评测。

Reminders

鉴于 bytetriper 希望这是一道人类智慧题，而不是人工智能题，有一些 tips 送给大家：

• 测试数据集和下发的数据都随机采样自同一个数据集 MNIST，这意味他们在特征上基本相同，同时，测试集的大小是下发数据集的 60 倍。由于测试集和下发集不相同，你的算法在本地上跑出的结果很可能不同于 OJ 上的结果。
• 禁止上网路查询信息，同时，禁止直接使用任何图象处理库的代码，包括但不限于 OpenCV，PIL，skimage 等。由于 OJ 本身没有相关库支持，因此这里的禁止使用指的是不能抄袭相关库实现。
• 对于依旧使用人工智能方法的同学，我们会对准确率高的代码手动检查，请特别注意 PPCA 网络限制包括但不限于：
  1. 不允许使用任何外部数据
  2. 不允许使用任何预训练模型
• 由于以图片格式查看二进制 PPM 文件会碰到一些困难，（使用 VSCode 的）同学可以下载 VSCode 的插件来查看 PPM 文件，这是被允许的。同时，有些浏览器原生支持 PPM 格式，也可以使用浏览器打开 PPM 文件。
• 如果实在无法查看 PPM，可以查看 png_data/ 下的 png 格式文件，这与 ppm 是完全相同的。