零基础入门CV - Task 01 赛题理解

1.赛题数据
训练集数据包括3W张照片，验证集数据包括1W张照片，包括4W张照片。数据中包括测试集训练集、验证集和测试集中所有字符的位置框。
2.数据标签
标签名称 标签含义
top 左上角坐标
height 字符高度
left 左上角坐标
width 字符宽度
label 字符编码
（具体含义如下图所示）
3.评测指标
Score=编码识别正确的数量/测试集图片数量
4.数据读取
下面的代码是读取json格式的数据，并将其中的数据返回为numpy格式

5.解题思路
（1）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。
（2）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。
（3） 检测
构建字符检测模型，对测试集中的字符进行识别。选手可以参考物体检测模型SSD或者YOLO来完成。