[OCR]Multi-digit Number Recognition from Street View Imagery

1 论文简介

1.1 网络架构

本文利用CNN进行门牌号识别，并且规定序列最大长度为N（实验设N=5）。最后一层包含6个softmax，第一个softmax预测是的序列长度L，L可取7个值：{0, 1, 2, 3, 4, 5, 大于5}。后面5个softmax分别表示对应位置上的数字，每个位置上的数字可取10个值：{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}。在训练时，对于digit不存在的位置，不反向传播任何误差信息。对于存在的digit和L，其误差为常见的负log似然。本文所用网络结构如下所示：

1.2 数据集

SVHN数据集中，对每个图片标记了每个数字的box：首先得到包含所有数字的box，然后将这个box的宽和高都扩展30%，根据扩展box截图，将截图resize到6464大小，然后在这个6464的图片上的任意位置截54*54的图片。会对数据进行减均值的预处理操作。

作者反映训练的模型可以达到96%的精度。