Prerequisite

1. 深度学习基础
2. 耐得住今天5月20日被秀的寂寞

比赛简介

任务

主要针对新人上手计算机视觉赛事，此次比赛任务为给定图片输出字符，即文本识别。

数据集

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；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。

出题方已经给出训练集和验证集的字符位置信息。

即是下图：

评价指标

$accuracy = \frac{字符识别正确的图片数量}{总图片数量}$accuracy=总图片数量字符识别正确的图片数量​

如何获得0分

使用SVHN原始数据集进行训练。

赛题难点

赛题不同于一般的图像数字识别，其难点在于不定长的字符识别。因而如何处理不定长是本题的关键。

解题思路

定长字符识别

设字符类别数目为$C$C，设置一个最大字符长度$L$L，用卷积网络提取图像特征后，特征整合后(FC，RNN等)，最后输出一个$C\times L$C×L长度的神经元层。并用$Softmax$Softmax做分类。

架构图

举个例子

设$C=11$C=11和$L=8$L=8，假设有真实标签：$123$123，有一输出：
$1\_22\_\_33$1_22__33
至于有$22,33$22,33的出现，原因在于类似于下面情况：

只是一个类似思考而已， 和目标检测没关系

因而对于这种情况，可以通过写规则的方法解决，即是将连续重复出现的字符和空白进行删除。
但是若真实标签为$1223$1223那么这种方法会输的很惨。

不定长字符识别

此方法可以很好的解决上述问题。
please jump: 一文读懂CRNN+CTC文字识别

男女搭配法

其实这类题，很容易就会想到先用目标检测提取字符方框，再用图像分类。并且目标检测的准确率和高效性目前都有不错的效果，比如$YOLO$YOLO等等。

至于这次比赛到底是CRNN还是OD+Clf会更胜一筹，还是会有其他算法，模型架构横空出世，咱们码场见！


永远要在一起哦