DataWhale–CV入门训练

赛题目的

通过零基础入门CV之街道字符识别引导入门，，提高对数据建模能力。以计算机视觉中字符识别为背景，预测街道字符编码，这是一个典型的字符识别问题，赛题数据采用公开数据集SVHN，因此可以选择很多相应的paper作为思路参考。

赛题数据来源

源自Google街景图像中的门牌号数据集（SVHN），并根据一定方式采样得到比赛数据集。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。
图片如下：

————————————————
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

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：

结果提交

提交前需确定预测结果的格式与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

解题思路

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，所以难点是在与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。
根据提供的参考：
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最长字符的识别问题，将短字符进行填充，如字符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为定长字符的分类问题。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。
在字符识别研究中，也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。
也可以先检测再识别，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。这样主要是构建字符检测模型，对测试集中的字符进行识别。可以参考物体检测模型SSD或者YOLO来完成。