Pytorch应用之——人民币总结

由于实习原因，好久没有跟新博客了。今天总结一下参加tinymind人民币编码区识别比赛的经验跟代码。

人民币编码区识别比赛分为预赛与正赛。预赛很简单，识别纸币面额，我在前面的博客中讲述过，戳这里。
简单讲一下，由于纸币背景简单，识别面值其实就是简单的分类问题，我的方法就是直接把图像塞进resnet18里，结果正确率是可以达到100%的。代码在这儿。

主要介绍正赛，正赛是编码区识别。编码区的识别分为两个步骤。首先，我们要先把编码区找到，也就是将编码区从原图中裁剪出来。然后，通过裁剪出的图片以及它的编码区Label放入文本识别的框架里训练，获得模型，再test出结果。

编码区检测我使用了一些方法有目标检测也有文本Ocr的，如yolov3，EAST，CTPN。我从数据集中选取1500张来做它们的训练集，得出结果发现yolov3可以检测出来，但会出现检测不全的情况，EAST跟CTPN结果较好。原理不介绍了，我把yolov3的代码给大家戳这里。

其实编码区检测大家效果都差不多，主要区别还是在文本识别。我用的是cnn+LSTM+ctc。主要思路是，讲编码区图片输入，经CNN降采样获得一个适合LSTM的feature map，然后放入LSTM，使得每个宽度之间获得前后的关联信息，这样对识别效果会有好处，当然你也可以舍弃rnn（比赛中有人做过）。CNN部分我用的VGG的网络结构，但最终训练集正确率99%而验证机的准确率只有90左右，出现了过拟合情况。不知道有没有大神告诉我怎么才能避免这种情况。

大致过程如上，最终结果95左右，虽然不高，但也完成了。主要跟大家分享经验思想以及代码，希望对大家有帮助。