CRND正式开源：12,000+张真实中国铁路车号图像数据集，面向OCR与复杂退化场景识别

1. 项目介绍近期我们正式开源了CRNDChinese Railway Number Dataset中国铁路车号数据集。CRND 面向真实铁路环境下的铁路车号检测与识别任务目前包含12,000 张真实铁路场景图像并提供人工字符级标注。与主要关注清晰字符的数据集不同CRND 特别关注真实铁路环境中经常出现的字符缺失、遮挡、模糊等视觉退化问题希望为铁路车号识别、OCR、目标检测以及复杂退化场景下的鲁棒视觉识别研究提供数据支持。GitHub 项目地址https://github.com/Zhaoqilin-502/CRND欢迎大家使用如果对你的研究有所帮助也欢迎 ⭐ Star。2. 为什么构建 CRND铁路车辆车号是车辆身份的重要视觉信息实现铁路车号的自动检测与识别对铁路车辆智能化管理具有实际应用价值。然而与标准 OCR 场景不同真实铁路环境中的车号识别存在许多复杂问题。车辆经过长期运行后车体表面的字符可能出现油漆脱落、局部缺失、污染或遮挡与此同时实际采集过程还可能受到运动、距离、光照以及成像质量等因素影响产生不同程度的图像模糊。因此在真实铁路环境中我们面对的往往并不是“如何识别一个清晰的字符”而是“当字符已经发生缺失、遮挡或模糊时模型还能否正确识别”这也是我们构建 CRND 的主要原因。我们希望通过真实铁路场景数据为复杂环境下铁路车号检测与识别提供一个更加贴近实际应用的数据基础。3. CRND 数据集概览CRND 数据采集自真实铁路场景目前数据规模已经超过12,000 张图像。数据集中的铁路车号字符均进行了人工标注并根据真实场景中字符及图像的视觉状态进一步进行了分类。目前主要包含以下类别数据类别图像数量Clear5200Normal3700Missing390Obscured340Blur2300CRND-Complex259这些类别覆盖了从相对清晰的铁路车号到字符缺失、遮挡、图像模糊以及更加复杂的实际场景。4. 真实铁路场景中的字符退化CRND 的一个重要特点是保留了真实铁路环境中的不同视觉退化情况。4.1 ClearClear 主要包含视觉质量较好、字符结构相对完整、易于观察和识别的铁路车号图像。这类数据可以作为铁路车号检测和识别任务中的基础数据。4.2 NormalNormal 对应一般真实铁路场景中的车号图像。相比理想条件下的清晰字符这类数据更加接近铁路实际运行环境中的常规状态。4.3 MissingMissing 主要包含存在明显字符结构缺失的样本。例如由于长期运行、车体表面老化或油漆脱落等原因字符的部分笔画可能已经消失。这种情况下即使人眼仍然可以根据剩余结构判断字符类别对于视觉识别模型来说也可能产生较大的挑战。4.4 ObscuredObscured 主要包含字符受到污染、其他物体或复杂背景影响而发生局部遮挡的情况。与 Missing 不同字符本身可能仍然存在但部分视觉信息无法被摄像设备正常观察。4.5 BlurBlur 主要包含不同程度的模糊图像。在铁路实际采集环境中由于车辆运动、拍摄距离以及成像条件等因素图像模糊是一个非常常见的问题。因此我们单独整理了这部分数据用于研究模型在低质量成像条件下的识别能力。5. CRND-Complex更加复杂的真实场景除了上述类别之外我们进一步整理了CRND-Complex。目前 CRND-Complex 包含259 张图像。这部分数据主要面向更加复杂的铁路车号识别场景。实际环境中的视觉问题往往并不是单独存在的例如一个字符可能同时受到字符结构缺失污染或遮挡图像模糊复杂背景成像质量下降等多种因素影响。因此CRND-Complex 希望进一步测试算法面对复杂真实环境时的鲁棒性。6. 数据标注格式CRND 提供人工标注数据标注文件采用YOLO 格式。每个字符对应类别 ID Bounding Box例如2 0.772577 0.554206 0.0903717 0.218302即class_id x_center y_center width height其中 Bounding Box 坐标已经根据图像尺寸进行归一化。因此CRND 可以比较方便地用于 YOLO 等目标检测框架也可以根据具体研究任务进一步转换成其他数据格式。7. 字符类别目前 CRND 共包含23 个字符类别。包括数字以及铁路车号中出现的相关字母字符1 2 3 4 5 6 7 8 9 C E A K H N B T P Q L G Z类别按照上述顺序从0开始编码。例如最后一个字符Z → class 22具体类别定义及数据组织方式可以参考 GitHub 项目的 README。8. CRND 可以用于哪些研究CRND 最初主要面向铁路车号检测与识别但由于其中包含大量真实场景及不同类型的字符退化数据因此也可以用于其他相关计算机视觉研究例如铁路车号检测铁路车号识别OCR字符检测与识别目标检测模糊字符识别缺失字符识别遮挡字符识别图像退化分析鲁棒视觉识别复杂真实场景 OCR我们也希望 CRND 能够为铁路视觉以及复杂退化条件下的字符识别研究提供更多真实数据支持。9. MMGA 铁路车号识别项目除了 CRND 数据集之外我们也在持续完善相关的铁路车号识别项目MMGA。目前 MMGA 的相关源代码已经开放。后续还会进一步整理和完善完整的训练、测试以及一键运行流程。因此CRND 不仅可以作为一个独立数据集使用也可以结合后续开放的铁路车号识别模型开展相关实验。10. 数据集获取CRND 的数据下载地址、数据申请方式以及最新更新情况均可以在 GitHub 项目中查看。GitHubCRNDChinese Railway Number Datasethttps://github.com/Zhaoqilin-502/CRND部分数据需要按照 README 中的说明填写数据申请登记完成申请后获取对应的数据。建议直接关注 GitHub 仓库以获取后续数据集及代码更新。11. 后续更新CRND 目前仍在持续维护中。后续我们计划进一步完善CRND 数据集规模更复杂的真实铁路场景CRND-Complex数据集使用说明MMGA 完整训练与测试流程铁路车号识别相关模型与实验如果大家在数据使用过程中遇到问题也欢迎通过 GitHub Issue 与我们交流。12. 结语真实环境中的 OCR 并不只是识别“清晰字符”。对于铁路车号而言缺失、遮挡、模糊以及多种视觉退化共同存在才是实际应用中需要面对的问题。CRND 希望从真实铁路场景出发为铁路车号检测与识别以及复杂退化条件下的鲁棒视觉识别研究提供一个开放的数据基础。如果 CRND 对你的研究或项目有所帮助欢迎在 GitHub 上给我们一个 ⭐Star。项目地址https://github.com/Zhaoqilin-502/CRND也欢迎从事OCR、计算机视觉、铁路视觉、目标检测以及图像退化研究的朋友一起交流。