企业官网建设流程全解析

简介：面向计算机视觉与深度学习研究者的街景门牌号数据集，专为训练和验证图像识别模型而设计，适用于智能导航、自动驾驶、智慧城市等场景的门牌号自动识别任务。压缩包共七个文件，包含三个压缩图像数据包（分别对应训练、验证与测试集）、两个标注文件（记录门牌号位置与类别等结构化信息）以及两个表格文件（提供数据列表与样例提交格式），整体大小约八百八十五兆字节，结构清晰，便于直接开展模型训练与评估。目前已有五百一十九人学习，适合需要高质量标注图像构建识别模型的人工智能研究人员与开发者。利用配套的数据加载器可高效完成图像预处理，结合卷积神经网络反复迭代调参，可系统掌握街景门牌号识别从数据准备、模型训练到结果提交的完整流程，为学术实验或工业落地提供坚实数据支撑。

1. 街景门牌号数据集：它解决的从来不只是“识别几个数字”这么简单

拿到「街景门牌号数据集」这个标题，很多人第一反应是“不就是一组带门牌号的照片嘛”，但真正动手做过门牌号识别的人知道，这玩意的坑比想象中深得多。街景门牌号识别本质上是把摄像头拍到的杂乱街景画面里那一小块写满数字的门牌区域找出来，再做准确识别，它和那种“白底黑字扫描件OCR”完全不在一个难度档位。这个数据集解决的是门牌号这种“不定长、强噪声、背景杂乱”的特定目标识别问题，适合正在做OCR、目标检测、智慧城市巡检、物流末端定位的算法工程师和在校研究者去深入折腾。

我最初接触这个方向，是在某图像处理Demo项目里要给一批街景图像做门牌号自动录入。当时想得简单，觉得“数字识别不是成熟得很吗”，结果直接套用通用OCR模型，翻车翻得非常彻底——光照一偏、门牌稍微倾斜一点、或者旁边有个类似的数字广告牌，识别结果就开始胡来。后来我才意识到，街景门牌号数据集的核心价值，恰恰在于逼你把“检测框回归”和“数字序列识别”这两条技术线同时做实，而不是只在分类器上刷准确率。这篇文章，我就把从数据理解、训练链路到参数调优以及最后那段“血泪踩坑”的完整方案讲透。如果你是第一次碰这个方向，照着走能少走很多弯路；如果你已经在训练了，重点看后半部分的坑位排查和上线验证方法。

2. 门牌号数据集的数据形态与评估指标：先搞清你要预测的是什么再做模型选型

2.1 门牌号数据的三种典型标注结构与各自适用场景

街景门牌号数据集和常见的手写数字数据集有一点本质区别：每一张图里不是一个数字，而是一个“门牌号”，也就是一串长度不定的数字序列，比如“25”、“318”、“1024”都有可能。这就带来第一个关键选择：你的模型到底输出什么结构？我在实际项目里用过三种做法，分别对应不同的标注组织形式。

第一种是整图序列标注，整张街景图直接对应一个门牌号字符串，这种最适合做端到端的序列识别，模型要用CRNN或者基于Transformer的OCR结构。但这种标注对数据质量要求极高，街景里有很多干扰元素，整图到字符串的直接映射容易学歪。第二种是目标框加数字类别标注，每个数字被框出来并标上类别，这是最接近目标检测加分类两段式做法的结构，定位和识别可以各自为战，出错了也容易排查。第三种是混合标注：图里有门牌区域框，框内再标注具体数字值，不管数字之间是否分离，直接把整块区域映射成号码。这种标注对“粘连数字”很友好，门牌号经常有字体挤在一起的情况。

从落地角度看，我一般更推荐第二种或第三种。因为你做门牌号识别最终要的不是一张图上有没有数字，而是“这个门牌到底是多少号”，所以数据和标签的组织方式，直接影响你能不能做出一个可维护、可排错的模型。如果手头数据是第一种，后续做错误分析时，你连“是检测漏了还是识别错了”都分不清。

2.2 模型选型的两条技术路线：检测+分类串行，还是端到端序列识别

这两条路线我都在项目里实际试过，各有各的适用边界。先说检测+分类串行路线：先用目标检测器（常见选轻量型检测头）把门牌区域或者单个数字的位置框出来，然后再把框内图像送入分类器识别具体数字。这条路线的优势是每一步都可解释、可单独优化。比如发现门牌漏检了，就去看检测头的阈值和NMS参数；发现框都对了但号码判断错，就专心弄分类器。缺点是整个pipeline链路长，中间任何一环的误差都会累积，而且多数字门牌需要额外的后处理逻辑去把单个数字按顺序组装成完整号码。

端到端序列识别路线则是把整张图直接送进一个网络，输出一个序列结果。这类模型的代表结构是“卷积主干 + 序列建模 + CTC解码”，输入可以是整块门牌区域图，输出直接就是“1024”这样的字符串。优点是你不用为“怎么把数字拼回号码”写一堆规则，模型自己学顺序。缺点也很直接：模型像个黑匣子，内部对于数字位置和顺序的表征很难干预，一旦遇到“10”被识别成“1 0”这种顺序错乱问题，你很难通过简单调参去修复。我的判断标准是：如果你要做的是“固定地区的门牌号批量录入”，序列识别效率更高；如果你做的是“通用场景下要多语言、多字体门牌识别”，检测+分类的拆分更抗折腾。

2.3 评估指标别只盯准确率：门牌识别要看整号命中率和单数字错误分布

这一点是很多第一次做门牌号识别的人最容易忽略的。拿准确率说，假设一个测试集里只有10%的门牌号是5位数，90%是1位数，模型把所有5位数全识别错，整体准确率也只掉了10个百分点，看起来好像还挺能打，实际上长号码一个都不可用。所以我评估门牌号识别模型，从来不是只看一个大而化之的准确率，而是拆成三个指标一起看。

第一个指标是“整号命中率”，指预测的完整门牌号和真实门牌号完全一致的比例。这个指标才是我真正用来做上线决策的参考依据。第二个指标是“单数字错误分布”，把每一位数字的识别错误单独统计，看错误是集中在某一位上还是均匀分布。如果第3位特别容易错，多半是数据里这一位上的样本风格太单一。第三个指标是“检测框定位质量”，用IoU衡量，如果定位本身就偏了，后续识别哪怕模型再好也救不回来。

还有一个容易被数据集的“高整体准确率”误导的坑：门牌号数据集里数字分布极不均衡，常见数字在样本里出现频率远高于罕见数字，导致模型对高频数字过拟合，对低频数字几乎无视。所以我在做评估时，会额外把每个数字类别的召回率单独拉出来看，而不是只看一个均值。这个习惯帮我找出过好几个“看起来很好但上线不可用”的模型，建议照做。

3. 在本地跑通门牌号识别的最小训练流程：数据处理、模型搭建与训练配置

3.1 从原始街景图到训练样本：裁剪、过滤和归一化的具体操作

我们实验室拿到一份原始街景门牌号数据时，数据形态基本是“一张街景大图 + 对应的门牌框标注信息”。你不能把一整张街景大图直接塞进识别模型，这种图大部分区域是无关的，模型学的会是“天空是什么颜色”这种毫无意义的东西。第一步一定是“按标注框裁剪出门牌区域”，我一般配合过滤规则一起用，代码就是下面这个思路。

import cv2 import json import os # 假设标注信息存成 json，每行对应一张原图 # 字段示例: {"image": "street_001.jpg", "boxes": [[x1, y1, x2, y2], ...]} MIN_SIZE = 32 # 过滤太小的框，这类框多半是标注噪声或远距离门牌 def crop_boxes(json_path, save_dir): os.makedirs(save_dir, exist_ok=True) with open(json_path, "r", encoding="utf-8") as f: samples = json.load(f) kept = 0 for sample in samples: img = cv2.imread(sample["image"]) h, w = img.shape[:2] for idx, (x1, y1, x2, y2) in enumerate(sample["boxes"]): # 坐标做边界保护，防止标注超出图像边缘 x1 = max(0, int(x1)); y1 = max(0, int(y1)) x2 = min(w, int(x2)); y2 = min(h, int(y2)) if x2 - x1 < MIN_SIZE or y2 - y1 < MIN_SIZE: continue crop = img[y1:y2, x1:x2] # 统一保存为 png，后续统一处理 cv2.imwrite(os.path.join(save_dir, f"{sample['image'][:-4]}_{idx}.png"), crop) kept += 1 # 过滤后的样本量只影响数据规模，不影响标注文件结构 print(f"保留裁剪样本: {kept}") if __name__ == "__main__": crop_boxes("annotation.json", "crops")

这里为什么要做边界保护和最小尺寸过滤？因为街景数据的标注是外包或者半自动生成的，存在相当比例的越界框和极小框，越界框如果不做保护，裁剪时直接越界报错或者裁出残缺图；极小的框里面可能只有几个像素，人眼都看不清，模型学到纯噪声。过滤掉它们，看似少了数据量，但训练稳定性大幅提升，这是数据清洗里非常重要的一个取舍。

裁剪之后还有一道必要的归一化操作。常见做法是把所有裁剪图统一缩放到固定尺寸，比如宽64高64或者宽96高32，缩放的插值方式我用的是区域插值，它对文字边缘的抗锯齿效应优于线性插值。再往后是像素归一化到0~1，并做均值和标准差的白化处理。注意：这里的均值标准差要从训练集里统计，不要用ImageNet的现成值，因为门牌号图像是“数字-背景”结构，颜色分布和自然图像差太多。

3.2 搭建一个轻量序列识别模型：卷积主干加双向LSTM加CTC的技巧

门牌号是不定长序列这个特性，决定了模型必须支持“输入图像宽度变化、输出长度可变”。我常用的一套组合是“轻量卷积主干 + 双向LSTM + CTC损失”，这也是OCR领域里相当成熟的一套配方。它比直接上重型Transformer结构训练更快，数据量没那么大时不容易过拟合，非常适合街景门牌号这种规模在十万级以内的数据集。

模型前向部分的代码骨架长这样，我在关键层上都写了注释，方便你直接对照理解。

import torch.nn as nn class HouseNumberNet(nn.Module): def __init__(self, num_classes=11, cnn_out_channels=128): # num_classes: 数字0-9 + CTC空白符 = 11 super().__init__() # 使用三层卷积逐步压低特征图高度，最终变成1行 self.cnn = nn.Sequential( # 输入: (B, 3, 32, 128) nn.Conv2d(3, 32, kernel_size=3, padding=1), nn.BatchNorm2d(32), nn.ReLU(inplace=True), nn.MaxPool2d(2, 2), # 高度降到16 nn.Conv2d(32, 64, kernel_size=3, padding=1), nn.BatchNorm2d(64), nn.ReLU(inplace=True), nn.MaxPool2d(2, 2), # 高度降到8 nn.Conv2d(64, cnn_out_channels, kernel_size=3, padding=1), nn.BatchNorm2d(cnn_out_channels), nn.ReLU(inplace=True), nn.MaxPool2d(2, (2, 1)), # 高度降到4，宽度只缩一半 ) # 中间再加一次池化把高度压到1，保留宽度方向的位置信息 self.final_pool = nn.MaxPool2d((4, 1)) self.lstm = nn.LSTM( input_size=cnn_out_channels, hidden_size=128, num_layers=2, bidirectional=True, batch_first=True ) self.fc = nn.Linear(256, num_classes) # 双向LSTM输出拼接为256 # 注意: 实际前向里要经过一个“特征图高压缩到1”的维度变换，见forward def forward(self, x): # x: (B, 3, 32, W) x = self.cnn(x) # (B, 128, 4, W/2) x = self.final_pool(x) # (B, 128, 1, W/2) x = x.squeeze(2) # (B, 128, W/2) x = x.permute(0, 2, 1) # (B, W/2, 128) 转成序列格式 lstm_out, _ = self.lstm(x) # (B, W/2, 256) logits = self.fc(lstm_out) # (B, W/2, 11) # 返回后交给CTC loss，CTC会自动处理对齐问题 return logits # 说明: 关键设计是“卷积把高度压到1，宽度保持序列长度” # 每一列特征对应图像中的一个横向切片，LSTM负责建模这些切片的顺序依赖

这个结构里最核心的设计点是“把特征图高度压到1”，因为CTC这一层处理的是1维序列，你必须把二维图像特征转换成一维序列特征。我在第一次实现时忽略了这个维度变换，结果模型直接报维度不匹配。LSTM的hidden_size我设成128，双向加起来输出256，这个参数不是越大越好，门牌号数字序列短，128足够表达上下文关系，设太大会显著拖慢训练速度还不涨点。

训练配置上，我会强调三个参数。一是batch size，我一般取64，大了容易让CTC损失震荡，小了训练慢。二是学习率，初始值我设为1e-3，配合每10个epoch下降为原来的0.6倍，这个衰减节奏在门牌号数据集上比固定学习率更容易收敛到底。三是序列长度对齐问题：CTC要求你提供的目标序列长度不能超过模型输出的时间步长度，所以裁剪时宽度不能太小。如果训练报这个错，优先检查输入图宽度是否在96以上。

3.3 训练命令与日志监控：把训练跑起来并读懂损失曲线拐点

训练脚本我通常写成一个标准PyTorch训练循环，但如果只是要快速验证数据链路和模型结构，我会直接用下面的伪代码骨架把流程跑通。这里不贴完整的几百行训练脚本，而是把关键环节列出来，因为训练循环每个人都写过，踩坑点往往在数据加载和损失函数参数上。

import torch from torch.utils.data import DataLoader train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True, num_workers=4) criterion = torch.nn.CTCLoss(blank=10, zero_infinity=True) optimizer = torch.optim.Adam(model.parameters(), lr=1e-3) for epoch in range(30): model.train() total_loss = 0.0 for batch_imgs, batch_labels, batch_lens in train_loader: # 注意: CTC的输入要按时间步主序(T, B, C)，不能直接塞batch_first logits = model(batch_imgs) # (B, T, C) logits = logits.permute(1, 0, 2) # (T, B, C) log_probs = torch.log_softmax(logits, dim=2) input_lengths = torch.full( size=(batch_imgs.size(0),), fill_value=logits.size(0), dtype=torch.long ) loss = criterion(log_probs, batch_labels, input_lengths, batch_lens) optimizer.zero_grad() loss.backward() optimizer.step() total_loss += loss.item() # 每个epoch结束打印平均损失，关注曲线是否阶梯式下降 print(f"Epoch {epoch+1}, Avg Loss: {total_loss / len(train_loader):.4f}")

这段代码我项目里存了一份当模板用，理由是我每次手写CTCLoss调用都会犯同一个错：忘记把logits的维度从“批次优先”转成“时间步优先”。CTC官方接口要求输入序列张量的第一维是时间步，第二维是批次，第三维是类别数。如果维度顺序不对，不会报错，而是损失值一直异常大，模型怎么训都不收敛。blank=10对应我们类别定义里的第10个位置，就是CTC专门用来表示“当前没有任何字符”的隐式空格。

训练时我习惯把损失曲线打印出来，同时每5个epoch用验证集做一次贪婪解码评估，看整号命中率的变化。只有一个经验：如果损失在第一个epoch就急剧下降到很低，然后几乎不动，不要高兴太早，大概率是模型把所有输出都预测成了空白类，这种“假收敛”在CTC训练里极其常见，完成一次真实预测必须确认解码得到的结果里有实际数字出现。

4. 把模型从“能跑”调到“好用”：四个必调参数和一组增强策略

4.1 输入尺寸和归一化：别让数据预处理吃掉模型性能

门牌号识别模型对输入尺寸非常敏感。高度方向上，我做过对比实验：输入高度32比16的效果好很多，因为高度太小会把数字的上下结构压没，比如“8”和“0”可能变得难以区分；继续调高到64，性能提升有限，训练显存占用却涨了一大截。宽度方向上，我一般按原图比例缩放，然后固定到128，这个尺寸能覆盖绝大多数门牌号的长度。如果你图里的门牌号特别长，比如有6位以上数字，宽度要相应加大到192或256。

归一化的具体做法我只推荐一种：先算训练集的通道均值和标准差，然后做标准化。不要用固定值，因为不同采集设备拍出来的门牌图色调差异很大，用ImageNet的均值会导致颜色失真。另外，裁剪图如果带有较大面积的墙壁背景，可以在归一化前做一个简单的前景提取？实话说这招效果不稳定，我用了几次后放弃了。背景太乱的问题更建议靠裁剪标注框紧一点来解决，而不是靠图像处理把背景去掉。

4.2 数据增强的三条有效组合：透视扰动、光照抖动和局部遮挡

门牌号识别的真实场景里，拍摄角度很少是正对着门牌的，透视变形是常态。所以我训练时必加的一个增强操作是“随机透视变换”，模拟从侧面拍门牌的情况。这个增强能显著提升验证集上那些倾斜样本的识别率。

光照抖动也是必加的。街景在不同时间段、不同天气下的光照差异极大，中午的强光会让数字发白，傍晚的暗光又让数字和背景混在一起。我自己的做法是把亮度、对比度、饱和度全部做随机扰动，强度控制在原值的0.8到1.2倍之间。最后一个是局部遮挡：随机用灰色矩形块盖住图像的一部分，强制模型不要依赖某一个局部特征。门牌号识别最怕的情况就是“数字稍微脏了一点就识别错”，局部遮挡相当于给模型打了预防针。

import imgaug.augmenters as iaa seq = iaa.Sequential([ iaa.Affine(scale=(0.9, 1.1), translate_percent=(-0.1, 0.1), rotate=(-10, 10), mode="constant"), # 透视弱化版的仿射变化 iaa.AdditiveGaussianNoise(scale=(0, 10)), iaa.Multiply((0.8, 1.2)), iaa.LinearContrast((0.8, 1.2)), iaa.CoarseDropout(p=0.1, size_percent=0.05) ], random_order=True)

这组增强的参数怎么定？我的原则是“不要加到图像面目全非”。门牌号识别和自然图像分类不一样，数字的结构是核心信息，旋转超过10度、遮挡面积过大，模型就会把“6”看成“9”。上面这组参数是我试过的比较稳的范围。如果发现验证集上清晰样本准确率很高，但模糊样本极差，优先加大噪声和对比度扰动的强度，而不是加大旋转角度。

4.3 不均衡数字类别的处理：重采样比改损失函数更省心

前面提到门牌号数据集中数字分布不均衡，这个问题的典型表现是：模型对“0”、“1”识别得很好，对“7”、“9”这类相对少见的数字却频繁出错。我第一次遇到时，第一反应是引入焦点损失（Focal Loss）来压低易分类样本的梯度贡献，结果效果提升有限，还让训练收敛变慢。

后来我换了一种更直接的做法：重采样。统计训练集里每一位数字的类别频次，对出现频率低的样本做“重复采样”，对出现频率过高的样本做“降采样”，让每个数字在训练中出现次数大致持平。虽然数据集总量没变，但模型的偏科问题明显缓解。这里要强调，改的是“样本出现概率”而不是“数据处理代码逻辑”，实现方式就是在数据集的__getitem__里做加权随机：

import numpy as np from torch.utils.data import Dataset class BalancedHouseNumberDataset(Dataset): def __init__(self, samples, label_weights): # 预先为每个样本算出采样权重 self.samples = samples self.weights = np.array([label_weights[s["label"]] for s in samples]) def __getitem__(self, idx): # 每次随机选样本时按照权重采样，而不是均匀采样 chosen = np.random.choice(len(self.samples), p=self.weights / self.weights.sum()) return self.samples[chosen]["image"], self.samples[chosen]["label"]

这个方法思路简单，但注意点在p参数上：权重必须归一化成和为1的概率分布，否则choice会直接报错。类别的权重我一般设为“1 / 类别频率”，也就是让每个类别期望出现次数相同。这招比引入复杂的损失函数更容易排查问题——如果你的模型还是有偏科，你可以直观看到采样逻辑有没有生效。对于“长尾分布特别严重”的样本，我还会在重采样基础上加一个简单的类别权重到损失函数里，双管齐下，但优先级一定是重采样在前。

5. 门牌号数据集训练的避坑指南：五个反复出现的典型问题

5.1 模型预测出非数字字符或长度异常

现象：模型输出的预测序列里偶尔出现“10”或“23”这种连续数字被当成一个整体输出的情况，或者预测号码长度比实际门牌号长出一大截。

原因：CTC解码时，默认的贪婪策略直接取每个时间步概率最高的类别，组合出来的序列没有做“相邻重复合并”和“空白符剔除”。如果你忘记做这两个后处理操作，CTC的输出就会出现长度异常。

解决：解码时不要只取argmax，还要把连续重复的类别合并，并删除空白符。这个逻辑在PyTorch的CTC解码里是标准操作，直接用torch.unique_consecutive配合空白过滤就可以。代码就三行，但漏掉它，整个模型等于白训。

5.2 训练损失持续下降但验证集整号命中率很低

现象：每个epoch训练损失都在掉，从2.0一路降到0.2，看起来收敛得很漂亮，但验证集上整号命中率只有不到30%。

原因：这是CTC训练里典型的“过度抑制空白类”现象。模型学到的是“多输出空白符号最稳妥，因为空白符在CTC里不参与匹配”，于是大部分预测都退化成空白，偶尔才输出一个数字。损失函数确实在下降，但模型输出已经失去序列判别能力。

解决：训练时把blank类的初始偏置设低，或者检查模型最后一层全连接对空白类的输出概率。我常用的办法是把全连接层的偏置初始化成负值，让空白类的初始得分低于数字类别。另一点是验证时不要只看loss，而要用验证集实际解码出结果，结合整号命中率一起判断模型状态。

5.3 门牌框标注不准导致裁剪图里混入大量背景干扰

现象：验证时发现，模糊门牌识别错误率极高，把错误图调出来看，发现裁剪框把隔壁门牌的边缘甚至墙面纹理都包进来了。

原因：标注框过松，裁剪时没有做外扩或收缩策略。门牌号数据和通用目标检测数据集不同，数字区域占比本身就小，框的边界稍微往外偏一点，背景比例就大幅上升。

解决：我的经验是训练前对标注框做一次“向内收缩”操作，把标注框四周各收缩5%到10%，让裁剪区域更贴近数字区域。注意这里和检测任务不同：检测任务要框得全，识别任务要裁得准。如果你用的是公开数据集，这个收缩比例可以根据框大小动态调整，大框多缩，小框少缩。

5.4 训练集和真实场景数据分布不一致导致的“实验室指标幻觉”

现象：模型在测试集上看起来挺好，整号命中率85%，结果拿到真实街景里跑，准确率直接跌到50%以下。

原因：公开数据集或自有数据集的采集设备和真实部署环境差异很大，比如训练集都是白天均匀光线下拍的，而实际场景有夜晚灯光、雨雾天气、甚至门牌被树枝遮挡。

解决：两条路并行。第一，训练时强化数据增强里的光照扰动和模糊模拟。第二，尽可能采集一批真实场景图片，哪怕就一两百张，不标注也行，用半监督方式做一次域适应微调。如果标注成本允许，“采集真实场景100张图并人工标注”，提升效果超过“增加1000张训练集图”。

5.5 门牌号中的“1”和“7”混淆严重

现象：其他数字识别基本正常，唯独1和7互相认错，尤其是手写体和带衬线字体里，1的顶部有小横线、7的竖线带弯钩，特征非常接近。

原因：数据增强里的旋转和透视扰动，可能把“7”的水平横杠压短，让它看起来像“1”；或者把“1”的顶部横线变形后，模型提取到了一个和“7”相似的局部特征。

解决：增加训练数据里“1”、“7”样本的对比度，或者在数据增强时减少仿射变换的旋转角度上限。如果数据量允许，额外采一批“1和7混合出现”的门牌样本针对性微调。对这类混淆问题，通行的思路是不要急着改模型结构，而是先看错误图，搞清楚模型具体被什么视觉特征带偏了。

6. 上线的最后一步：用分层错误分析给门牌号识别模型做体检

之前踩过太多“测试集指标很好、真实场景翻车”的坑之后，我养成了一个习惯：在模型上线前，一定要对测试集做一次“分层错误分析”。这个方法的核心逻辑是不要只看整体指标，而是把测试集按不同维度切分，分别评估，找到模型的“能力边界”。

操作上我会写一个分析脚本，按“图像清晰度”、“门牌长度”、“背景复杂度”三个维度把测试集分成若干个小组，然后统计每个小组的整号命中率。比如清晰度可以用拉普拉斯方差来做自动评估，数值越高越清晰；门牌长度可以直接从标签里拿；背景复杂度可以用边缘密度近似，边缘密度高说明背景杂乱。统计出来之后，一个数据表就能清楚告诉你模型的短板在哪里：如果模糊组的命中率远低于清晰组，那问题在数据增强不够；如果5位门牌号组的命中率明显低于1位组，那问题在序列建模能力不足。

# 分层评估脚本的核心逻辑示例，按门牌长度分组统计 python evaluate.py --test_dir ./test --group_by length --output report.csv

拿到分层报告后，你会知道值不值得上线。比如我之前做过一个项目，整体命中率82%，看着还行，但按门牌长度一切分，发现5位门牌号的命中率只有45%，这对实际业务来说基本不可用。于是我把增强策略重点往“长门牌号”倾斜，又补了一批长号码样本，最后把5位门牌号的命中率提到76%，模型在这个方向才算真正能落地。做模型迭代时，我也会保存每一版模型在分层报告里的表现，比较两版时先看短板指标有没有变长，而不是只盯着均值猛涨。

再强调一个验证习惯：做门牌号识别的人，手里一定要长期维护一个固定的“回归测试集”，这个测试集里专门收集历史上让模型翻过车的难例，比如倾斜严重的、光照奇怪的、字体罕见的。每次改动模型结构或数据预处理方式，都拿这个回归集跑一遍。如果新模型在普通测试集上指标上升了，但回归集上掉了好几个点，那说明改动在往错误方向走，这个检测机制能帮你省下大量上线后排查问题的时间。

把模型送上线后，也建议保留推理日志和数据版本记录。门牌号识别模型迭代得快，你今天调了一个预处理的参数，可能半个月后才发现它让某些具体场景变差了。没有日志，到时候连哪一行代码改了都查不出来。现在我每改一个实验配置，都会在输出目录里存一份参数快照，固定成一个习惯。这个方法很笨，但在门牌号识别这类“细节决定成败”的任务上，真的能救命，希望帮到你。

本文还有配套的精品资源，点击获取