街景字符编码识别赛题理解

赛题数据

赛题的数据为街景字符图片，类似于MNIST数据集，但是更加困难，每张图片分辨率都很低，图片中的字符有大有小，存在尺度不一致的问题；按照赛题的要求只要识别是每张图片包含几个字符，每个字符是什么就可以了，这样可以简单将其定义为一个图像分类问题，但是每个图片的字符个数不确定，而且位置不确定，因为每个字符的类别仅仅与相应的局部的特征有关，仅仅通过对全局的特征进行分类并不能得到很好的效果；并且通过亲自实验, 完成baseline代码的阅读和理解,并完成在训练集训练10个epoch, 效果很差
其次赛题数据不仅提供了字符类别也提供了每个字符的位置信息，所以也可以将改题定义为目标检测问题，利用同时分类和回归的多任务损失，对每个指定位置进行针对性的分类和回归，两种任务进行相互促进，彼此收益可以取得更好的效果．

问题

如果采用目标检测的思路，个人认为应该选取针对小目标的backbone作为特征提取器，要包含多尺度的特征融合的策略，检测头的话可以采用当前精度比较好的anchor free方法这样可以避免复杂的关于anchor超参的设计，同时可以支持多尺度的边界框回归