machine learning Photo OCR 机器学习的上限分析-判断机器学习中，哪个模块是值得花时间去提高性能

         上限分析：判断机器学习流水线中哪个模块最值得花时间去提高性能的。

          

   上面是图像的字符检测和识别系统：分成几个模块进行

    Text detection -从图像中检测出含字符的区域

    character segmentation -将含字符的区域进行字符的分割

    character recognition     -将分割后的字符进行识别

     如果，我们已经实现了整个系统，识别率效果并不高，那么我们如何接下去要优化哪个模块来提高整个系统的性能呢？

     假设：我们实现的整个系统的正确率是72%

     假设1：我们人为的将Text detection的正确率提到100%，然后整个系统的正确率到了89%

     假设2：我们人为的将Text detection和character segmentation的正确率提到100%，然后整个系统的正确率到了90%

     假设3：我们人为的将Text detection和character segmentation和character regnition的正确率提到100%，然后整个系统的正确率到了100%

      分析：Text detection的优化可以提高系统性能17%，character segmentation的优化可以提高1%，character recognition的优化提高10%，综合以上的分析，我们应该花时间在Text detection 和character recognition的优化上。继续优化character segmentation没价值。