SVHN
Parent: ai_keywords
核心定义
SVHN（Street View House Numbers）是源自 Google 街景图像的门牌号数据集，包含约 60 万张 32×32 像素的彩色数字图片（0-9），以自然场景下的多角度、多尺度、低分辨率及背景干扰为特征。它是计算机视觉领域用于数字识别（OCR）和一般对象检测的基准数据集，强调对真实环境中的文本信息进行鲁棒提取。
关键技术点
- 多尺度特征提取：目标数字在图像中占据比例差异大，需采用 CNN 多尺度卷积核（如 Inception 模块）或空间金字塔池化捕获不同尺度特征。
- 数据增强策略：随机裁剪、颜色抖动、弹性形变等增强手段有效提升模型对光照变化、透视变形的泛化能力。
- 检测与识别联合优化：SVHN 常同时定位数字位置并识别数字类别（如 YOLO、SSD 结合分类头），端到端学习减少级联误差。
- 迁移学习基础：SVHN 作为小型数据集，常被用作预训练任务，向医学图像中的数字识别（如病历、仪器读值）迁移特征表示。
医学/神经科学应用场景（结合首都医科大学神经病学研究）
在首都医科大学附属医院神经内科，SVHN 训练的模型可应用于 脑电图（EEG）报告中的数字解析。临床 EEG 报告涉及发作间期尖波频率、背景节律、诱发电位潜伏期等大量连续数字参数（如“左颞区 3 Hz 尖慢波”），传统人工录入易出错。利用 SVHN 风格的 OCR 模型，可自动识别报告图像中（非结构化截图）的数字序列，并关联至结构化病例字段。此外，在 fMRI 时间序列预处理中，机器学习模型需识别扫描仪界面的扫描时间戳、TR 值等数字信息，SVHN 预训练模型能快速适应这些低分辨率、含噪的医学屏幕截图，助力自动化质控流程，降低神经退行性疾病队列研究中的输入错误率。
