基于CNN的文字识别--总结

一 网络结构

　　　文字识别（非手写体）相对容易，ＣＮＮ网络结构基本４层就可以跑出较好的结果；模型收敛也较为容易，加上dropout收敛也很快，一两个小时就能收敛到９０％多（ｔｉｔａｎＸ）.

二 训练样本

　　　当然，人力、财力、时间有保证的话，收集实际样本效果肯定会好些，没这些条件的话，人工生成样本也不错。一个字几百上千个样本基本靠谱，但是，要注意样本最好要hard。

三 经验

　1　由于验证集、训练集都是自己生成的，so，通过验证集判断模型有没有过拟合就不靠谱了。。。模型熟练到98%后，就开始过拟合，而验证集准确率还在上升。。so,验证集还是人工标注生成吧
　2　在训练时，我把softmax输出类别设置为字符类别数，得到提取字符特征的模型，同时也拿来对字符分类；用模型提取的特征，当图像文字/非文字进行判断（方法包括训练分类器，或是直接在网络后面用softmax输出值进行阈值判断，小于阈值认为是非文本）时，发现效果不是太好。可能是特征提取的有问题，《Deep Features for Text Spotting》文章中在模型训练时，有一个背景类别，这样提取出的特征可能对文字、非文字区分性更强些？下一步可以试试。
　3 　犯了一些低级错误，有时候越怕麻烦越麻烦，事情还是得一步一步踏踏实实的去做，文章还是得一篇篇去读，算法还是得一个个去啃，代码还是得一行行去写，工资还是得一块块去长。。额。。我排比不下去了，哈哈～