OCR 训练记录

【第一次训练】

训练数据：syn

训练数量：51200

在真实数据上测试结果：

字符准确率：67%

word 准确率：5%

【第二次训练】

训练数据：syn + gan

训练数量：syn 51200， gan 51200

是否提前结束：是

结束标志：11个字符平均acc 达到98%

在真实数据上测试结果：

字符准确率：75.3%

word 准确率：14.5%

真实样本总数：124

全部正确数：18

错1-2个数：27

其他：79

【第三次训练】

训练数据：syn + gan

训练数量：syn 51200， gan 51200

是否提前结束：是

结束标志：11个字符平均acc 达到99%

结束时实际迭代次数：4000

结束时acc:

on refine_batch

[ 1.          1.          1.          0.99437499  1.          0.99874997

  0.95687503  1.          0.99624997  0.95937502  1.        ]

on syn_batch

[ 1.          1.          1.          0.99312502  1.          1.

  0.98312497  1.          0.99812502  0.97437501  1.        ]

在真实数据上测试结果：

字符准确率：75.8%

word 准确率：15.3%

真实样本总数：124

全部正确数：19

错1-2个数：28

其他：77

一个初步的判断：平均准确率达到了0.98，但是个别字符达到0.95就截止了，总体准确率没有提升。修改截止阈值为0.999再测一波。如果不行，考虑规范化输入图像明暗亮度，目前gan图的明暗程度比较统一。

【第四次训练】

训练数据：syn + gan

训练数量：syn 51200， gan 51200

是否提前结束：是

结束标志：11个字符平均acc 达到99.9%

结束时实际迭代次数：8300

结束时acc:

on refine_batch

[ 1.          1.          1.          1.          1.          1.

  0.99562502  1.          1.          0.99374998  1.        ]

on syn_batch

[ 1.          1.          1.          0.99937499  1.          1.

  0.99874997  1.          1.          0.995       1.        ]

在真实数据上测试结果：

字符准确率：78.7%

word 准确率：24.19%

真实样本总数：124

全部正确数：30

错1-2个数：23

其他：71

【第5次训练】

在训练4对基础上fine tune。并且执行了直方图匹配

结束标志：11个字符平均acc 达到99.95%

结束时实际迭代次数：1100（不包括训练4之前到迭代次数）

结束时acc:

on refine_batch

[ 1.          1.          1.          1.          1.          1.

  0.99687499  1.          0.99937499  0.99874997  1.        ]

on syn_batch

[ 1.          1.          1.          1.          1.          1.          1.

  1.          1.          0.99687499  1.        ]

在真实数据上测试结果：

字符准确率：84%

word 准确率：33%

真实样本总数：124

全部正确数：41

错1-2个数：36

其他：47

【第6次训练】

使用第4次的训练model，对输入图像进行了直方图匹配，将图像直方图调整到（-0.4，0.8）范围内。

字符准确率：82.7%

word 准确率：29%

真实样本总数：124

全部正确数：36

错1-2个数：34

其他：54

【第七次训练】

对输入层进行BatchNormalization操作（axis = 1）

结束标志：11个字符平均acc 达到99.9%

结束时实际迭代次数：4500

结束时acc:

on refine_batch

[ 1.          1.          1.          1.          1.          1.

  0.99624997  1.          0.99874997  0.995       1.        ]

on syn_batch

[ 1.          1.          1.          1.          1.          1.

  0.99562502  1.          0.99812502  0.99624997  1.        ]

在真实数据上测试结果：

字符准确率：76%

word 准确率：25%

真实样本总数：124

全部正确数：31

错1-2个数：22

其他：71

【第8次训练】

在第7次训练的基础上，识别前，使用hist_norm

在真实数据上测试结果：

字符准确率：87%

word 准确率：53%

真实样本总数：124

全部正确数：66

错1-2个数：17

其他：41

【第8.5次训练】

训练迭代次数：51200

识别前，使用hist_norm

结束时acc:

loss on refine_batch is 

[ 1.          1.          1.          1.          1.          0.99937499

  0.99874997  1.          1.          0.99687499  1.        ]

loss on syn_batch is 

[ 1.          1.          1.          1.          1.          1.          1.

  1.          1.          0.99937499  1.        ]

在真实数据上测试结果：

字符准确率：87.9%

word 准确率：54%

真实样本总数：124

全部正确数：67

错1-2个数：17

其他：40

【第9次训练】

直方图均衡化效果并不好

所以本次实验只把 syn 和 refine 在训练前都拉伸到（-1，1）

对于真实图像，在识别前，也把直方图拉伸到（-1，1）

对输入层进行BatchNormalization操作（axis = 1）

结束标志：11个字符平均acc 达到99.9%

结束时实际迭代次数：5500

结束时acc:

on refine_batch

on syn_batch

在真实数据上测试结果：

字符准确率：83%

word 准确率：33%

真实样本总数：124

全部正确数：42

错1-2个数：35

其他：47

结果没有提升，问题还是在于gan的相似性

【第10次训练】

只针对acc_other中图片做特定的识别，将生成图片进行了纵向拉伸后再训练OCR模型。

在第8.5次实验得到的 acc_other 集合上做验证。

验证字符准确率：71%

count100 is  0

count2 is  9

count_other is  7

【第10.5次训练】

对第10次验证实验得到的 7 张 acc_other 图进行人工剪切，有4张图片识别结果得到了修正，

./cache/kk/20170411_097.jpg

20171414

./cache/kk/20170609_115.jpg

20170609

./cache/kk/20170423_029.jpg

20170403

./cache/kk/20170611_050.jpg

20170411

final char acc is : 0.875

结论，图片识别前的裁剪是影响识别准确的关键因素。需要专门针对裁切，进行优化。

【第11次训练】

对syn 图进行了拉伸& 压缩处理

结束标志：11个字符平均acc 达到99.9%

结束时实际迭代次数：13000

结束时acc:

loss on syn_batch is 

[ 1.          1.          1.          1.          1.          1.

  0.99937499  1.          1.          1.          1.        ]

loss on refine_batch is 

[ 1.          1.          1.          0.99874997  1.          0.99937499

  0.9975      1.          0.99874997  0.9975      1.        ]

在真实数据上测试结果：

字符准确率：93%

word 准确率：69%

真实样本总数：124

全部正确数：86

错1-2个数：31

其他：7

错的7个全是20161203那个渣图，这个图暂时放弃吧。

接下来的方向，研究发票代码和发票号码，然后考虑整合。

【第12次训练】

在11次的基础上增量训练

结束标志：11个字符平均acc 达到99.95%

结束时实际迭代次数：4300（）

结束时acc:

loss on syn_batch is 

[ 1.          1.          1.          1.          1.          1.          1.

  1.          1.          0.99937499  1.        ]

loss on refine_batch is 

[ 1.          1.          1.          0.99937499  1.          1.

  0.99812502  1.          0.99937499  0.99937499  1.        ]

training is finish, and final iteration is  4300

在真实数据上测试结果：

字符准确率：94.6%

word 准确率：72%

真实样本总数：124

全部正确数：90

错1-2个数：28

其他：6

需要解决 acc2 中的问题，只错1-2个，为什么就不能全对呢？差在哪里？？

【第12.1次训练】

在第12次第基础上，试图将网络 acc  训练到极致

结束标志：11个字符平均acc 达到99.97%

在真实数据上测试结果：

字符准确率：94.7%

word 准确率：72.5%

真实样本总数：124

全部正确数：90

错1-2个数：28

其他：6

同样 需要解决 acc2 中的问题，只错1-2个，为什么就不能全对呢？差在哪里？？

从这个结果看，应该考虑增加图片拉伸压缩多样性的问题了。

【第12.2次训练】

在第12.1次第基础上，试图将网络 acc  训练到极致

结束标志：迭代51200次

在真实数据上测试结果：

字符准确率：94.7%

word 准确率：73.3%

真实样本总数：124

全部正确数：91

错1-2个数：28

其他：5

同样 需要解决 acc2 中的问题，只错1-2个，为什么就不能全对呢？差在哪里？？

从这个结果看，应该考虑增加图片拉伸压缩多样性的问题了。