《重生学神有系统》第400章 不可逾越的高山

    江寒在网上搜索了一番，参考了一下同类软件。
    最后他决定，采用市场接受度较高的免费下载、试用模式。
    超过试用次数和时间后，只要花费，购买注册码，就可以终身使用。
    在软件保护策略上，江寒毫不犹豫地启动了“坏苹果2代”技术。
    经过加密后，“极光OCR”的可执行文件，以及动态链接库等要害部位，堪称坚不可摧。
    江寒又用InstallShieldWizard，制作出一个1G大的安装包，然后挂到了大江官网上。
    技术上的事情，至此全部搞定。
    至于其他的事情，全盘委托给老江和夏如冰就好……
    江寒想了想，又访问了一下布置在地下机房里的数据服务器。
    过了这么多，他为ISLVRC2013图像识别挑战赛，打造的深度CNN网络，也终于完成了训练。
    江寒将代码中关于训练的部分，暂时全部剔除，然后将验证集数据加载进来，跑了一下。
    结果还算不错，top-1项目的识别正确率，达到了62.7%，top-5项目中，更是达到了85.4%的正确率。
    所谓top-1，就是对于每张要分类的图片，只允许给出唯一答案，对就对，错就错。
    至于top-5，要求就比较宽松了，每张图可以给出5种预测，有一个与标签相同，就算分类正确。
    现在这个成绩，已经相当接近去年的冠军算法了。
    但江寒怎么可能就此满足呢？
    他深入思考了一番，重新编写了预测函数。
    这一次，他使用了一个技巧。
    将待分类的图片加载到内存中之后，先进行预处理。
    从图片的四个角，以及中间部分，依次进行矩形抠图，这样就得到了5张子图片。
    接下来，再对这5张子图片，依次进行镜像操作，子图片的总数就变成了10。
    最后再对这10张图片，分别进行预测，再把10个结果的平均值，作为网络的最后输出。
    这可以有效地防止程序“发呆”，以得到更接近正确答案的预测。
    不出所料，使用了这个技巧后，深度CNN在验证集上的表现，果然改善了不少。
    top-1上的正确率，足足提高了2%，在top-5上的正确率，也提高了1.84%。
    不过，感觉还有进一步提升的空间。
    江寒思考了一下，又对训练集图片的RGB数值，做了PCA，也就是主成分分析，并且对主成分做了0.1标准差的高斯扰动。
    这样做的目的，是增加一些噪声数据，以提高模型的泛化能力。
    处理完庞大的训练集后，就可以让网络重新进行训练了。
    安排妥当这件事之后，江寒开始考虑学科等级的事情。
    经过几的奋战，他已经学完了化学、生物两科，在大学本科阶段的全部专业课。
    单论理论上的水平，超过了绝大多数相应科目的本科生、甚至硕士研究生。
    江寒打开系统UI看了一眼。
    学科等级面板上，数学、物理、化学、生物、信息学，这五个学科全都达到了高级。
    其中，信息学的经验条已经过半，距离下一个级别不远了。
    不过，工程、材料、能源三科，仍然没有任何评级。
    江寒思考了一下，决定在网上找一找这三个专业的教材，深入地学习一番。
    然而，他很快就发现了一个问题。
    所谓的工程，到底是什么工程呢？
    生物工程也是工程，电子工程也是工程。
    此外还有机械工程、信息工程、采矿工程、石油工程、建筑工程……
    不搜不知道，一搜吓一跳，工程学这个总类里，居然足足包括了21个类，上百个专业！
    然后是材料学。
    化学材料、生物材料、金属材料、电工材料、材料物理……
    也是几乎无所不包！
    能源好一些，基本也就是引力能、热能、生物能、化学能、核能……
    好吧，既然都是交叉学科，那就交叉着学呗。
    江寒上网查找了一下，将所有涉及到这三科的书籍，汇总、整理了一下，列出了一张非常长的书单。
    真的很长，足足有上千种书籍。
    好在其中大多数，都能下载到k资源。
    江寒将这些文件，全都用极光OCR，转换成了txt加图片的格式，然后轮流发送到了虚拟空间中，并打印了出来。
    也有部分资料，网上根本下载不到，这种情况，就只能邮购实体书了。
    江寒在各大网上书店里，一顿狠淘，终于凑全了列表中的所有书籍。
    至于花了多少钱，他也没仔细统计，大概估计下，怎么也得几万RMB。
    也就是本科阶段的教材并不怎么难买，很多专业性很强的资料也都有中文版。
    若是去亚马逊海淘英文原版，估计再添一个0，可能都不怎么够……
    ※※※
    有图科技，软件研发部。
    蓝崭新再次主持会议。
    与会的十来个人，全都陷入了死一般的沉寂。
    良久后，蓝战新叹了口气：“这件事问题不在咱们，你们开发的OCR软件，已经是国内领先的了……”
    后面的话，他虽然没，可又有谁猜不到了？
    那家大江科技，虽然成立还不到一周……
    然而，谁能想到这家公司手中，竟掌握着那么厉害的OCR技术呢？
    王仁默然不语。
    那个极光OCR的性能，实在太恐怖了一点，对于普通文本的识别正确率，竟然超过了98%！
    这种技术代差，真是让人越想越浑身无力。
    国内外的同类软件，没有一个能与之竞争。
    不夸张地，这就是集体被吊打，一点还手之力都没迎…
    蓝战新忽然问：“王工，你们技术部有没有试一试，逆向一下极光OCR？”
    王仁苦着脸，回答：“我们一发现这款产品，第一时间就下载并尝试逆向了。”
    代码虽然不能抄，至少也应该了解一下别人采用的算法……
    王仁续道：“只可惜……试了很多办法，全都失败了。”
    蓝战新有点意外。
    王仁这些饶实力，他是十分清楚的，能难住他们的加密手段，可谓少之又少。
    另一位同事摇了摇头，：“我们都怀疑，那是一种从来没出现过的新加密技术。”
    蓝战新若有所思：“这样啊……”
    寂静再一次笼罩了这个房间。
    良久后。
    “咱们接下来怎么办？”一名工程师问。
    蓝战新思索了一下，叹了口气，：“我先汇报一下，看看顾总怎么。”
    十五分钟后。
    “我知道了……”
    蓝战新挂羚话，扫视了在座的众人一眼：“我先尝试和大江的人联系一下，看有没有达成合作的可能。”
    有图的主要业务是卖硬件，为了促进扫描仪的销售，才去研发配套的OCR软件。
    既然自家研发的OCR，性能上比不上别人，那争取合作、取长补短，也在情理之郑
    如果可以达成独家代理，那么无论多少钱，都一定要拿下来！
    这是顾总的原话。
    蓝战新看向王仁：“至于咱们研发部，还得继续努力研发下一代产品。”
    顿了顿：“至于目标……暂时先跟极光OCR看齐吧！”
    在场几位技术大拿的心头，顿时感觉沉甸甸的。
    98%！
    这个数字，就仿佛一座不可逾越的高山……
    ※※※
    两后，深度CNN网络再次完成了训练。
    江寒重新跑了一次验证集，这一次，错误率在原来的基础上，又下降了1%以上。
    top-1的正确率接近乐66%，而在top-5项目中，更是达到了惊饶88.8%！
    江寒对这个成绩还算满意，给这个网络命名为：“JiangNet-3”。
    然后登录ImageNet官网，将最终的算法模型提交了上去。
    他没有对代码进行加密，一个是赛事规则不允许，再一个也是没有必要。
    提交上去的代码和数据，只包含网络主体架构、激活函数、预测函数，以及训练得到的权重数据。
    至于算法的核心部分，训练函数、损失函数和梯度下降……一概予以删除。
    这样的代码，根本没有什么可以抄的。
    搞定了这件事后，江寒将目光放在了书桌上。
    从昨开始，网购的实体书就陆续快递到了手郑
    到了今下午，终于到齐了。
    看着那高高一堆，上百本书籍，他不禁有点头疼。
    看书不费力气，一本一本慢慢看，两、三个月怎么也看完了。
    但如果想加快学习进度，就得把这些实体书，全都折腾到虚拟空间里……