【第13次訓練】
增加拉伸壓縮的多樣性：
scale_list1 = [0.7,0.75,0.8,0.85,0.9,0.95]
scale_list2 = [1/x for x in scale_list1 ]
結束標誌：平均acc達到0.999
在真實資料上測試結果：
字元準確率：95%
word 準確率：75%
真實樣本總數：124
全部正確數：93
錯1-2個數：30
其他：1
【第13.1次訓練】
結束標誌：平均acc達到0.9995
在真實資料上測試結果：
字元準確率：95%
word 準確率：75%
真實樣本總數：124
全部正確數：93
錯1-2個數：30
其他：1
沒啥變化。
【第13.2次訓練】
結束標誌：訓練完成，迭代51200次
在真實資料上測試結果：
字元準確率：94.8%
word 準確率：71.7%
真實樣本總數：124
全部正確數：89
錯1-2個數：32
其他：3
【第14次訓練】
結束標誌：平均acc達到0.999
在真實資料上測試結果：
字元準確率：94.0%
word 準確率：69%
真實樣本總數：124
全部正確數：86
錯1-2個數：34
其他：4
下一步，看一下黑白圖效果會不會有提公升。
【第15次訓練】
對syn圖做了二值化處理，二值化後調整到（-1，1）之間，去訓練。明天來了看結果。
後續可以加上 refine 圖同樣處理。
一共儲存了5個模型，分別是0.9990，0.9995，0.9997，0.9999，end, 但是不知道為什麼，執行了一夜，end還是沒有執行完成，不知道咋回事，待查證。所以實際是4個模型。效果最好的是9999，所以其他就不記錄了
結束標誌：平均acc達到0.9999
在真實資料上測試結果：
字元準確率：90%
word 準確率：55%
真實樣本總數：124
全部正確數：69
錯1-2個數：43
其他：12
在這次測試中，acc2_list 中，仍然有17張圖識別錯誤。可能需要再進一步分析這些識別錯誤的字元是不是總是同乙個字元，另外是不是總被識別成同乙個字元，這是兩件事情。
【第16次訓練】
加入refine，也黑白化後訓練。
結束標誌：平均acc達到0.995
在真實資料上測試結果：
字元準確率：95.7%
word 準確率：74.1%
真實樣本總數：124
全部正確數：92
錯1-2個數：30
其他：2
因為截止準確率只有0.995，基本可以達到目前最好識別效果（僅次於13），所以可以看看最後訓練完成是什麼樣。
OCR學習記錄
最近對驗證碼識別做了一些研究，主要是ocr方向的，一些總結記錄一下。識別captcha後面跟了很多參考文章都講解的很詳細了，做orc不難，難點在於如何提高識別率。基本流程如下 1.原圖 2.預處理 去噪點 3.標準化 灰度變換,二值化，歸一化 4.image segment 個人感覺這個比較難，有很...
HDU訓練記錄2 基礎數字dp
題目描述 傳送門題意 求0 n中含 49 的數的個數。題解狀態 f i j 表示i位數所有以j開頭的數中合法 不含 49 的數的個數。轉移 if j 4 k 9 f i j f i 1 k 列舉jk分別為i和i 1位數的開頭並且滿足條件。求解時用總數減去dp值。注意 這道題傳m 1的話有可能爆lon...
20160814訓練記錄
t1 題意 給定n 求能組成多少個三角形 題解 列舉三個點，但是切記不要用距離算，會有精度誤差 因為這樣三個點只要不在乙個直線上就行 那麼即可t2 題意 給定100個長度小於100的關鍵字串，給出十篇文章，對於每一篇文章回答是否都包含所有關鍵字串 題解 文章長度1000000 目測一下應該kmp優秀...