Datawhale 零基础入门CV赛事

1.赛题理解

• 赛题名称：零基础入门cv之街道字符识别
• 赛题任务：赛题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。为了简化赛题难度，赛题数据采用公开数据集SVHN，因此可以选择很多相应的paper作为思路参考。

1.1赛题数据

赛题以街道字符为为赛题数据，数据集报名后可见并可下载，该数据来自收集的SVHN街道字符，并进行了匿名采样处理。

1.2 数据标签

Field	Description
top	左上角坐标x
height	z字符高度
left	左上角坐标y
width	字符宽度
label	字符标签

字符的具体坐标：
在比赛数据（训练集和验证集）中，同一张图片中可能包括一个或者多个字符，因此在比赛数据的JSON标注中，会有两个字符的边框信息：
原始图片 |图片的JSON标注
|

1.3赛题难点

本次赛题的本质是分类问题，需要对图片的字符进行识别。与常规分类问题的区别是，本次图片中字符的数量是不确定的，需要对不定长字符进行识别。

1.4解题思路

• 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10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。
  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。选手可以参考物体检测模型SSD或者YOLO来完成。