街景字符编码识别-task1：赛题理解

街景字符编码识别-赛题理解

关于参赛

通过本次参赛（开始前不知道是比赛，主要是想组队学习）了解CV相关问题的解决思路，以及基础知识储备。
赛题的目标是对街景图片中的字符（数字）进行识别，主要难点在于图片中的字符长度不定。

赛题数据

数据集：重点关注验证集的使用。
数据分为训练集，验证集与测试集，其中：

1. 训练集数据包括3W张照片，对应的json文件中包含图像名称，对应的编码，以及具体位置。
2. 验证集数据包括1W张照片，同训练集一样，有对应的json文件包含图像名称，对应的编码，以及具体位置。
3. 测试集A包括4W张照片，测试集B包括4W张照片。

---

数据标注：
只有训练集和验证集有数据标注，标注文件为json文件，文件格式如下：

"000001.png": {"height": [23, 23, 23], "label": [2, 1, 0], "left": [99, 114, 121], "top": [5, 8, 6], "width": [14, 8, 12]}

各字段的对应描述如下：

Field	Description
top	左上角坐标X
height	字符高度
left	左上角最表Y
width	字符宽度
label	字符编码

由于该图片中有三个字符，所以对应的编码以及位置标注都是三个。该标注对应的图片如下：

评测指标

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。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

• 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
  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。
  三种思路分别是由易到难的程度。