关于HappyOCR之三

[benliud]

HappyOCR的识别速度大约在5-8个/秒（1.7g单核CPU），是比较慢的，尚书就快的多，但是HappyOCR是纯网络识别，没有用到任何特
征值来缩小范围，如果选2级字库来识别，则每个字都要交给6000多个网络去识别，这样一来当然会比较慢些。要优化速度则需要添加特征值过滤。内存占用
也比较大，因为所有识别网络都需要装入内存来做，但512M内存的机器跑是没问题的，1G就更好了。


训练网络数据是比较麻烦的事，因为丢失了这些数据，所以这几天我又重新开始训练网络了。以前做过约30万字库的训练，三台机器（都不够快）跑大约两周训
练出了所有二级字的识别网络。这次重写了训练程序，一来为求更快的训练速度，二来为求多线程支持，毕竟很多人都有双核机了，有多线程支持可以更快，早年
很少，都是单核的就没必要。现在在我1.7g单核上跑，大约需要2小时做出一个文字区。这样算起来约需要150小时算完，当然，这样算出来的网络只是基
本可用，因为这次只用了6万个字来训练，要想识别率更好，还需要导入更多字体和不同分辨率的字体，开源以后或许有人愿意去做吧，训练大的字库确实需要很
长时间，我就不过分烧自己的CPU了，没效率，现在有双核的人还挺多。字库越多，则识别率越高，当然前提是输入的字是对的。如果我有大型机的话，我希望
字库能做到2000万，不过在PC上计算，一两台是解决不了问题的。不过开源以后会好算点，因为可以分工来计算不同的字再合起来，有兴趣的可以算算，当
前程序使用的是空闲时间，不影响正常程序。

单网络识别有个好处就是可以在学习新的字体时，不会过分干扰到其他已经训练好的网络，因为各网络的识别是独立的，这样，在识别过程中，随着新的不能识别
的字添加到字库里，网络可以越来越准确。BP网络采用576*3*1的结构，3为隐层节点数，从经验来看够用了，学几十种字体没问题，2就似乎少了，4
影响速度及空间。