这是一个**非官方很随意**的比赛😄 ，同学们可以提交自己的预测结果，系统为其打分排名，同学们可以查看榜单，感受自己和大佬们的差距🙊，不断提升自己👊 。
下面是南老师作业要求的部分摘录，以及一些额外的说明。

ps：

-  为了打榜的需要，需要明确的划分训练集和测试集，所以请打榜的同学使用data面板里划分好的数据集。

- 此比赛仅设置了基础版作业的榜单，Bonus的部分同学们有兴趣的话，也可以自行建立比赛。

- 如果有问题可以在讨论区发言，或联系我的邮箱：beyond_anything@163.com

最后大家愉快的开始打榜吧💯 

----

# 卷积神经元网络识别英文字母

 

## 题目

使用卷积神经元网络CNN，对多种字体的26个大写英文字母进行识别。

 

数据集介绍：

- 数据集来源于Chars74K dataset，本项目选用数据集EnglishFnt中的一部分。Chars74K dataset网址链接 http://www.ee.surrey.ac.uk/CVSSP/demos/chars74k/ ；

- A-Z共26种英文字母，每种字母对应一个文件夹（Sample011对应字母A, Sample012对应字母B,…, Sample036对应字母Z）；

- Sample011到Sample036每个文件夹下相同字母不同字体的图片约1000张，PNG格式；

- 本项目数据集请从以下链接下载: https://pan.baidu.com/s/1HEsbvusyYCni7MVGKUk4bA ， 提取码：dhix

 

 

## 要求：

- 每种字母当成一类，利用卷积神经元网络构建26类分类器；

- 每个类别中随机选择80%作为训练数据集，剩余20%作为测试数据集。采用训练集进行模型训练，采用测试集进行模型测试，并给出测试集准确率结果。

 

## Bonus:

- Bonus文件夹下为手写A-Z的字母图片。请将之前训练好的分类器迁移学习到Bonus数据集上，重新构建分类器，Bonus数据集中随机选择80%作为训练数据集，剩余20%作为测试数据集，并给出测试集准确率结果。

- 将Bonus文件夹下的图片当作未标注类别的数据，联合之前的标注图片，采用半监督学习的方法构建分类器。

- 其它。

## 榜单指标

Accuracy（准确率）

## 提交说明

- 对test文件下的图片进行分类，按照路径及文件名排序（即正常的扫描路径，请不要shuffle），约定A->Z的lable分别为0->25
- 具体格式参考data面板里提供的sample.csv
- 请不要直接生成真实标签，或直接在真实标签上修改，那没有任何的意义
- 每人每天最多提交5次（你们觉的合适吗？）

## 截止日期

2025年12月，没有截止日期

## 致谢

感谢南晓斐老师的指导