零基础入门CV赛事- 街景字符编码识别-01

写在前面

赛题来源自Google街景图像中的门牌号数据集（The Street View House Numbers Dataset, SVHN），并根据一定方式采样得到比赛数据集。任务链接【阿里云天池大赛】零基础入门CV赛事-街景字符编码识别。

1.赛题分析

1.1数据集样本

数据集报名后可见并可下载，该数据来自真实场景的门牌号。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。

*数据集样本展示
需要注意的是此赛题需要选手识别图片中所有的字符，为了降低比赛难度，提供了训练集、验证集和测试集中字符的位置框。

字段表
所有的数据（训练集、验证集和测试集）的标注使用JSON格式，并使用文件名进行索引。如果一个文件中包括多个字符，则使用列表将字段进行组合。

1.2评测标准

评价标准为准确率，选手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，结果越大越好，具体计算公式如下：

2.解题思路

2.1求解思路

此赛题本质是对门牌号的数字识别，然后并区分是哪个数字，属于分类问题。但是不同的门牌号，长度不一致。难点是需要对不定长的字符进行识别，与传统的图像分类任务有所不同。主办方提供了以下三种思路：

• 简单入门思路：定长字符识别
  找到图片中最长的门牌号，将其余门牌号用相同字符，如X进行替代，如果识别到填充的字符串，则表明该位置为空
• 专业字符识别思路：不定长字符识别
  在字符识别研究中，有特定的方法来解决此种不定长字符识别问题，比较经典的有CRNN字符识别模型。本次比赛，图像数据都比较规整，可以将其视为一个单词或句子。
• 专业分类思路：先检测再识别
  在赛题数据中已经给出了训练集、验证集中所有图片中字符的位置，因此可以首先将字符的位置进行识别，利用物体检测的思路完成。此种思路需要参赛选手构建字符检测模型，对测试集中的字符进行识别。选手可以参考物体检测模型SSD或者YOLO来完成。

2.2提交结果

提交前请确保预测结果的格式与sample_submit.csv中的格式一致，以及提交文件后缀名为csv。

file_name, file_code
0010000.jpg,451
0010001.jpg,232
0010002.jpg,45
0010003.jpg,67
0010004.jpg,191
0010005.jpg,892