入门级CV赛事——街景字符编码识别（赛题理解）

1.赛题任务

以计算机视觉中字符识别为背景，要求预测识别街道字符编码 。
此问题为典型的字符识别问题，其本质为分类问题。

2.数据集

赛题数据集采用公开数据集SVHN（可选择很多paper作为参考），但比赛数据集的训练集、验证集和测试集提供了所有图片中字符的位置框，降低了难度。每张图片给出的关于字符编码和字符框位置的信息如下：

3.评测指标

$$score=编码正确的数量/测试集图片的数量$$

4.解题思路

赛题本质是分类问题，需要对图片字符进行识别，并分类。
需要注意的是，赛题给定的数据图片中包含的数字字符数量不等。

因此，本次赛题的难点主要在于需要对不定长的字符进行识别，从而与传统的图像分类任务有所不同。

思路一：定长字符识别（入门思路）

可将赛题抽象为定长字符识别问题，将识别长度定为数据集中最长的字符长度，对于达不到识别长度的字符通过例如$X$进行填充：

思路二：不定长字符识别（专业字符识别思路）

在字符识别问题当中，有特定的研究方法，典型的有CRNN字符识别模型。

思路三：先检测再识别（专业分类问题思路）

由于本次数据集中已经给出字符框的位置和大小，无需检测，只需识别即可。
但是对于专业的分类问题，总要先构建（字符）检测模型，再构建识别模型。典型物体检测模型有SSD或YOLO。