文章只针对比赛方法说出自己的想法，并没有不是对其他团队的方法贬低的意思，希望引入更多思考和讨论，推动大家一起进步。

开篇：为什么叫“文字定位”，而不是文字检测。原因很简单，因为“印章”的存在导致CPTN、EAST效果不理想，无法精确获取文字区域，只能通过一些传统的方法来解决问题。

• CPTN的检测效果（示例）

CPTN和EAST都已经很牛了，在自然场景中有很好的表现，放在这里表现其实也不错。下图是Unet处理后的CPTN效果，印章的干扰已经最小化。如果深入了解会发现，还是存在一些明显的问题，例如姓名部分，识别框明显变长了，身份证号码等固定文字也被识别了，等等。

※ 困难比我说的要多一些，这里只是抛砖引玉。

那存在其他更简单的方法来解决问题吗？ 当然存在，其实这类问题都是“定式内容识别”问题，假设我们有一个“锚点”，那么我们完全可以推算出其他文字的相对位置，“锚点相对法”针对这个问题比CPTN更可靠、更高效、更快捷。所以Top1~5我记得都选了类似的方法。

• “锚点”的选择

锚点选择是个其实挺难的，这是一个“决策”问题，不是技术问题。选择大概从3个方向考虑：①业务的有效性 ，②方法的鲁棒性，③ 算法的效率

a. 特征定位法

特征定位其实就是，利用深度模型，针对图片中的一些 固定不变的“文字”或“图片”进行定位检测，方法有很多，没什么可讲的。比如我画的红圈位置，就是两个不错的点，选择这些特征时候要有几个要求：1.在图片中一定存在，2.这个区域干扰少,3.业务合理（没有特例）这些要求任何一个缺少，都可以认为决策有一定的“投机性”。

赛会为了区分“真实身份证”，所以在每幅图片左上角增加了：仅限DBCI比赛使用的文字。这个锚点符合两个要素：1.在图片中一定存在，2.这个区域干扰少。但是在真实业务中是不存在的。

我们回到赛题任务：探索对上述挑战中的任意一项设计解决方案，并验证其可行性

基于这个背景，“仅限DBCI比赛使用的文字”锚点的在业务合理性基本没有，比赛成绩提高的价值存在。

b. 边界定位法

说完了特征定位，我们来说说边界定位。边界定位是传统CV领域的方法，不需要模型。只需要将像素水平和垂直投影（把对应轴像素和）就可以了，可以容易获得“角点”。当然也有一些其他方法，欢迎大家讨论。

虽然可以获得四个角，但是选择哪个角还是有一些讲究的，毕竟相对位置的会存在一定误差，并且误差会累计，所以选择角的时候尽量靠近要找的相对区域。基于这个原则，选择左上角作为相对参照点，并对识别区域保持的余白(降低误差对结果的干扰）。这个点可以符合：三个要素：1.在图片中一定存在，2.干扰少，3.业务合理。除此之外还具备这些特性：鲁棒性、效率高、速度快。存在的不足：误差相比“仅限DBCI比赛使用的文字”定位略大，误差变大问题，是因为图片过于模糊，白纸颜色和身份证背景融合度比较高，这个不足可以在后面识别过程弥补。

※ 因为赛题没有畸变，所以不用担心图片的变形问题，真实场景需要考虑。

• 最终方案的选择

最终方案使用的边界定位法，为了克服一些精度问题，所以我们在切分图片时候，尽量保证宁愿多留余白，也不要切掉文字，因为切掉的文字基本无法弥补（比如：姓名）

总结：队友4人都已经步入工作岗位，参与竞赛不仅仅为了名次和奖金，更多是希望探索一下新方法、用这些比赛经验“反哺”自己的业务能力。也希望大家一起参与讨论，把这类问题弄明白，使算法在业务中可以"落地"。

分享知识不收费，也请“点赞”鼓励我，努力为大家呈现更多精彩内容：）

凌蓝风

2019年12月18日