零基础入门CV赛事- 街景字符编码识别--Task1赛题理解

街景字符编码识别这是一个典型的字符识别问题。

• 数据来源

以街道字符为数据，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。

• 数据标签

对于训练数据每张图片将给出对于的编码标签，和具体的字符框的位置（训练集，测试集和验证集都给出字符位置），可用于模型训练：

字符的具体坐标如下所示：

• 数据的读取

• 评价指标

实验以识别准确率为评价标准，任何一个字符错误均视为错误，准确率越大越好，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

本质为分类问题，对图片中的字符进行识别，由于不同的难度，图片中字符的长度也是各不相同的，最简单的情况为定长字符识别，将每张图片中字符长度设为所有图片中最大字符长度数，字符个数不够的，可以进行填充。以专业字符识别思路考虑不定长字符识别，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。再增大难度，从专业分类角度，需进行检测再识别，首先将字符的位置进行识别，利用物体检测的思路完成——需要构建字符检测模型，对测试集中的字符进行识别。可参考物体检测模型SSD或者YOLO来完成。

​