深度学习比赛入门——街景字符识别（一）
这是入门深度学习——具体来说是CV比赛的入门级比赛，有点类似手写数字识别，具体的赛题链接如下：https://tianchi.aliyun.com/competition/entrance/531795/information
入门深度学习比赛，我想把参加比赛的全过程包括：赛题理解，数据处理（或者可能需要加上EDA），模型的选择，模型的训练与验证，模型的集成（深度学习也可集成？）以及在过程中的思考与学习记录下来
赛题理解与分析
开始一个比赛，首先做的事就是审题，包括任务背景，任务目标，所给数据，以及评判标准。任务目标和任务背景的理解有助于我们对业务有一定的认识，帮助我们对任务进行抽象建模，同时，较好的理解任务，还能帮助我们寻找类似的任务与赛题，从而可以借鉴之前所作的比赛或者相关的论文研究，使得我们可以站在巨人的肩膀上进行学习。
在本次比赛中，任务目标是对任意街景的图片进行数字字符的识别。因为是关于图像的比赛，所以第一反映是进行图像的分类任务，也就是类似于手写数字识别。而且，题目降低了难度，给出了每一个数字字符的位置，这样，我们可以很方便的将目标进行定位，直接将目标数字裁剪出来，减少了周围背景的干扰。
进一步的分析，本赛题相对于手写数字，难度在于不同的图片，其上的数字字符个数不相同，所以直接进行数字的分类任务似乎不太可能；同时，不定长度的问题也给任务带来了一定的难度。对本赛题的初步分析，主要解决的问题有以下几点：
- 不同于单个数字的识别，直接进行分类即可，多数字字符的识别该如何进行解决；
- 每张图片数字字符个数不等，不定长度问题如何解决；
- 背景干扰，图片大小不等，分辨率影响，数字字符可能出现旋转，缩放等，对识别可能有一定的影响；
初步的思考方案如下：
- 图像放入模型之前，需要进行的预处理，包括裁剪多余背景，去噪，二值化，图像尺寸标准化等，对数据还可以进行数据的增强，以增强网络模型的鲁棒性；
- 尝试一些解决该类问题的论文模型，比如说经典的OCR以及结合深度学习的OCR模型，或者一些其他深度学习模型CRNN,再高级一点的还可以使用目标检测
模型的选择多种多样，可以进行大量的尝试，选择其中的最好几个，比赛的后期进行模型的融合，将成绩进一步的提高。当然了，一个好的评判函数也是很重要的，本题比较简单，只是正确率的构建，稍难一点的可能需要自己进行构建评判函数，以保证线下与线上的统一。
版权声明：本文为wushupei原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。