OCR 训练记录2

上一篇太长了，分开写

【第13次训练】

增加拉伸压缩的多样性：

scale_list1 = [0.7,0.75,0.8,0.85,0.9,0.95]
scale_list2 = [1/x for x in scale_list1 ]

结束标志：平均acc达到0.999

在真实数据上测试结果：

字符准确率：95%

word 准确率：75%

真实样本总数：124

全部正确数：93

错1-2个数：30

其他：1

【第13.1次训练】

结束标志：平均acc达到0.9995

在真实数据上测试结果：

字符准确率：95%

word 准确率：75%

真实样本总数：124

全部正确数：93

错1-2个数：30

其他：1

没啥变化。

【第13.2次训练】

结束标志：训练完成，迭代51200次

在真实数据上测试结果：

字符准确率：94.8%

word 准确率：71.7%

真实样本总数：124

全部正确数：89

错1-2个数：32

其他：3

【第14次训练】

结束标志：平均acc达到0.999

在真实数据上测试结果：

字符准确率：94.0%

word 准确率：69%

真实样本总数：124

全部正确数：86

错1-2个数：34

其他：4

下一步，看一下黑白图效果会不会有提升。

【第15次训练】

对syn图做了二值化处理，二值化后图片调整到（-1，1）之间，去训练。明天来了看结果。

后续可以加上 refine 图同样处理。

一共保存了5个模型，分别是0.9990，0.9995，0.9997，0.9999，end, 但是不知道为什么，运行了一夜，end还是没有执行完成，不知道咋回事，待查证。所以实际是4个模型。效果最好的是9999，所以其他就不记录了

结束标志：平均acc达到0.9999

在真实数据上测试结果：

字符准确率：90%

word 准确率：55%

真实样本总数：124

全部正确数：69

错1-2个数：43

其他：12

在这次测试中，acc2_list 中，仍然有17张图识别错误。可能需要再进一步分析这些识别错误的字符是不是总是同一个字符，另外是不是总被识别成同一个字符，这是两件事情。

【第16次训练】

加入refine，也黑白化后训练。

结束标志：平均acc达到0.995

在真实数据上测试结果：

字符准确率：95.7%

word 准确率：74.1%

真实样本总数：124

全部正确数：92

错1-2个数：30

其他：2

因为截止准确率只有0.995，基本可以达到目前最好识别效果（仅次于13），所以可以看看最后训练完成是什么样。