零基础⼊⻔CV赛事- 街景字符编码识别

赛题理解

训练集数据包括3W张照片，验证集数据包括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。

数据标签

对于训练数据每张图片将给出对于的编码标签，和具体的字符框的位置(训练集、测试集和验证集都给出字符位
置)。可用于模型训练:

字符的坐标具体如下所示:

在比赛数据(训练集、测试集和验证集)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:

读取数据

JSON中标签的读取方式:

解题思路

赛题思路分析:赛题本质是分类问题，需要对图片的字符进行识别。但赛题给定的数据图片中不同图片中包含的字
符数量不等，如下图所示。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。

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。

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。