讀取結果API about campaign-finance.g0v.ctiml.tw

[ronnywang]

各文件欄位名稱及文件資訊在
http://campaign-finance.g0v.ronny.tw/

https://github.com/ronnywang/sandbox/blob/master/20140420/g0v-tw-cf.csv
上面也有我匯出的 CSV 版本

[hopehhchen]

感謝！

[shaform]

是說如果想取得所有辨識好的結果和原始圖檔（拿來當 training data），只有透過 API 一欄一欄抓圖這個方法嗎~

[kiang]

http://campaign-finance.g0v.ctiml.tw/api/getcells/ + 頁面編號就可以取得單頁所有答案，圖檔可以透過取得大圖 + 相關索引值後自行切割？

[shaform]

我找到了 http://campaign-finance-pic.ronny.tw/outputs.tgz 只是不知是否是最新版的
最新版的索引值不知是在哪裡呢？

[kiang]

http://campaign-finance.g0v.ronny.tw/api/gettables 有清單，還是你說的是其他的索引值？

[shaform]

我指的是切割圖片完的座標，或者切割的工具
（之所以希望是最新版是因為從一些討論來看，曾經有修正過一些網友回報的切割錯誤。而從 API 取得的圖片似乎有轉正，原網誌的 demo 沒有等等。）

...不然的話每分鐘用 API 抓一張圖應該不會造成太大流量影響吧 (?)

[ronnywang]

如果切割圖片的座標
目前全部放在 https://github.com/ronnywang/tw-campaign-finance 下面的 outputsXXXX/ 資料夾下面
切割的工具程式就是在 tw-campaign-fincance/scripts/search-all-lines2.php

至於用 API 抓圖，其實因為我圖片是放在 PIXNET ，不太需要擔心流量問題， PIXNET 那邊架構很穩撐的住的 XD

[shaform]

好吧，雖然有點離 issue 的題，不過我做了個簡單的小實驗 XD
想要辨識一些常出現的文字(ex. 空白、匿名）

因為覺得處理圖片很麻煩，所以暫時只用 API 抓少量資料：
每個 label 各抓 25 個 cells 做 training，另外抓 25 個 cells 做 testing

然後 accuracy 只有 64 % ><
因為其實我也不太熟這塊，有興趣的人可以研究一下：
https://gist.github.com/shaform/9759d02f08a6d47ae462

用到的是 python2 with numpy, scipy, mahotas, milk, requests