大家好，我是别人的公园。

我的介绍主要分三个部分展开，分别是数据处理、模型方法和感想与建议。

一、数据处理

首先是数据这一块训练数据最大的特点就是，碎片化，很杂乱，看上去分布似乎一样，其实包含了很多噪声。

但是由于标签只提供了数据的内容，没有提供bounding box或者是mask，因此这也是整个比赛提分的最大障碍。

针对这个问题，我用了一个最笨的办法。就是引入个人强先验知识。

我首先针对所有图像进行了数据长宽分布的统计，横轴是长，纵轴是宽，可以看到这个分布就是这个样子，然后我根绝图片尺寸的分布对不同尺寸的图像进行了裁切。

当然这个裁切的设计并不准确，很多时候也没切准，但是也该让模型有点鲁棒性，所以就这样考虑了。当然可以尝试一些其他方法，比如可以用opencv工具进行投影法、连通图等进行预处理切割。

我同时对数据分布也进行了统计，大部分数据的长度分布在5-10个字符的长度。

参数设置

epoch设置为23，为什么是23是因为我的生日是23号，哈哈哈，batchsize设置为64。

关于数据增强，值得一提的是，在文字识别中不能用水平翻转，给弄反就弄巧成拙了，大概就是进行了

• resize
• 微小的rotate
• 微小的仿射
• 微小的颜色抖动
• 归一化
• cutout增加了一点遮挡噪声，提升模型鲁棒性。

二、模型方法

模型方法用的是最经典的文字识别模型，CRNN，是录用在2017年的人工智能顶刊上。

说到文字识别，主要可以分为定长和变长，定长主要是针对固定长度的文字识别，如验证码，这种场景比较简单。

变长更常见，就是标签长度可长可短，变长的方法目前主流的有两种，一种是CRNN为代表，一种是基于Attention的方法了。我用的是基于CRNN，训练更快，且推理速度也更快，Attention更擅长挖掘序列关系，适合短语句识别。

在比赛当中，我使用的不是最原始的CRNN，我对它进行了一点微小的改进，不再是简单地用几层CNN堆叠，所以我用了resnext和resnest去替换了前面的CNN层，用resnext50的前6层替换了原来CRNN的前面4层卷积。并且修改了resnext50的第一个卷积层，改小了kernelsize，stride和padding，相当于调小了第一层的感受野。

后面就几乎一样了，送到双向的LSTM中。然后resnest同理，最后对两个模型预测进行了融合，也没有用更多模型了。

三、感想与建议

首先还是要非常感谢flyai平台，提供这个机会能大家一起交流。

• 改进的小意见

首先是对CRNN的改进，比如针对CNN的backbone的一些修改还可以尝试，大模型可以考虑senet等，如果是想落地，可以尝试mobilenet，shufflenet或者ghostnet等。

还可以对rnn的结构进行一些调整，比如采用gru等等。

也可以考虑使用基于attentiuon的模型，或者像paddleocr提供的starnet模型的方法，都可以去尝试一下。

• 针对平台一点小建议

前期我尝试了很久，每次运行到一段时间就卡死了一样，然后就放弃了。最后一个礼拜看评论区说是环境版本配置的问题，才尝试，终于训练起来。确实浪费不少时间和积分呀，也没有太多时间进行改进和炼丹。

最后感谢大家的收听，如果有什么问题，可以在评论区提出大家一起讨论。谢谢了。