训练集带label.csv，在train文件夹中。 图片尺寸为105*35，使用时可调为120*40，可用于人工智能图片验证码识别需要数据集进行训练。

解决方案 任务简介： 这是2020年的比赛。 您听说过验证码吗？ 也许不吧。 但是您可以肯定地在互联网上看到了它们。 Google CAPTCHA了解更多。 您的任务是创建一个名为my_classifier.m的函数，该函数可解码图像中的三位数。 您在imagedata /中有大量的训练数据，而在labels.txt中，您具有地面实况解码功能。 您的解决方案应进行适当的编程，以使其在5分钟内终止于训练数据集。 我们将在我们自己的数据上运行您的函数my_classifier.m，该数据与您的训练

车牌分类 一个简单的分类器，使用ResNet18架构对车牌中城市代码的长度进行分类。 首先使用合成数据集训练模型，然后在实际数据集上进行微调。 资料集： 由于任务是OCR，因此将数据集缩小为灰度。 真正的数据集被“清除”了，即删除了错误的标签，并且将图像重塑为标准尺寸（200 x 40）。 网络： 该体系结构的初始选择基于CAPTCHA读者，但是将问题指定为分类任务可以简化解决方案，并允许我们使用ResNet18 arcitechture。 从文件名中获取标签，然后根据字符{“ _”