写在前面

该任务来源于阿里天池大赛—零基础入门CV赛事-街景字符编码识别。

1.比赛任务理解

本赛题来源自Google街景图像中的门牌号数据集（The Street View House Numbers Dataset, SVHN）。因此主要任务是识别数字，即从给定图片中找出数字。

1.1数据理解

提供的数据如下图所示
为了降低比赛难度，赛事给出了字符串在图中的位置,即在mchar_train.json中给出字符串标签。如下图所示：

图片中的具体含义

Field	Description
top	左上角坐标X
height	字符高度
left	左上角最表Y
width	字符宽度
label	字符编码

mchar_train.json 对应mchar_train 文件夹中的图片
代码中 train_json = json.load(open(‘C:\mydata\mchar_train.json’))
读出来的train_json是一个字典，键值为height, label, left, top, width
如下图所示

2. 求解思路

赛题本质是对门牌号的数字识别，然后并区分是哪个数字，属于分类问题。但是不同的门牌号，长度不一致。故而增加了难度，即需要进行不定长度的数字识别。主办方提供了以下三种思路:

• 入门思路：定长字符识别
  找到图片中最长的门牌号，将其余门牌号用相同字符，如X进行替代，如果识别到填充的字符串，则表明该位置为空
  
• 专业思路：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字符识别问题，比较经典的有CRNN字符识别模型。本次比赛，图像数据都比较规整，可以将其视为一个单词或句子。
• 专业分类思路：先检测，再识别
  可以先将字符的位置识别出来，然后利用物体检测的思路完成。物体检测模型有SSD或YOLO等

3.比赛评价指标

评价标准为准确率，选手提交结果与实际图片的编码进行对比，以编码整体识别准确率为评价指标，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}

​