Datawhale 零基础入门CV赛事-Task1 赛题理解

赛题名称：零基础入门CV赛事-街道字符识别（天池）
赛题地址：https://tianchi.aliyun.com/competition/entrance/531795/introduction

赛题任务：以计算机视觉中字符识别为背景，要求预测街道字符编码。赛题数据采用公开数据集SVHN，可以参考不定长字符识别的思路（crnn）。

数据的简单说明：该数据来自收集的SVHN街道字符，并进行了匿名采样处理。训练集数据包括3W张照片，验证集数据包括1W张照片，每张照片包括颜色图像和对应的编码类别和具体位置；为了保证比赛的公平性，测试集A包括4W张照片，测试集B包括4W张照片。

坐标标签示例图片：

评测指标：

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。任何一个字符错误都为错误，最终评测指标结果越大越好，具体计算公式如下：Score=编码识别正确的数量/测试集图片数量

简单入门思路：定长字符识别

将赛题抽象为一个定长字符识别问题，在赛题数据集中大部分图像中字符个数为1-6个，最多的字符个数为6个。
因此可以对于所有的图像都抽象为6个字符的识别问题，不足的填充到6个，填充之后，原始的赛题可以简化了6个字符的分类问题。在每个字符的分类中会进行11个类别的分类，假如分类为填充字符，则表明该字符为空。然后使用cnn网络进行特征提取，然后转换成特征序列，作为RNN的序列输入，RNN网络用于预测序列，RNN生成的序列经过CTC与label进行校正。