零基础入门CV之街道字符识别 Task1 赛题理解

赛题任务

以计算机视觉中字符识别为背景，要求选手预测街道字符编码，这是一个典型的字符识别问题。

赛题数据

数据来源于公开数据集SVHN街道字符。

提供训练集数据3W张照片，验证集数据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；

提供了训练集、验证集中所有字符的位置框。

评测指标

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

给定数据图片中有的图片的字符个数为2，有的图片字符个数为3，有的图片字符个数为4，因此赛题的难点是需要对不定长的字符进行识别。解题思路有以下几种。

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。

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。

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。

此种思路需要构建字符检测模型，对测试集中的字符进行识别。可以参考物体检测模型SSD或者YOLO来完成。

最后，拟采用定长字符识别方式完成本实验。加油ヾ(◍°∇°◍)ﾉﾞ