街景字符编码识别1

赛题理解

项目数据

  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。
  相关数据

标签

所有的数据使用(训练集和验证集)json格式进行标注，如果一个文件中包含多个字符，则使用列表将字段进行组合。可能某些图片中包含多个字符，因此在使用JSON格式进行标注的时候，会有多个字符边框的信息。

评价指标

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

解题思路

赛题思路分析：赛题本质是分类问题，需要对图片的字符进行识别。但赛题给定的数据图片中不同图片中包含的字符数量不等。有的图片的字符个数为2，有的图片字符个数为3，有的图片字符个数为4。

简单入门思路：定长字符识别

可以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2-4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，字符23填充为23XXXX，字符231填充为231XXX。经过填充之后，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。

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的字符识别问题，比较典型的有CRNN字符识别模型。在本次赛题中给定的图像数据都比较规整，可以视为一个单词或者一个句子。

专业分类思路：检测再识别

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。