第12章 里程碑
「陳陽！「
沈清雪從教學樓另一側跑過來，手裡抱著書。
「你怎麼在這兒？「陳陽問。
「剛下課啊。「
沈清雪說，「看到你跟姚教授在聊天，就沒打擾。聊得怎麼樣？「
「還不錯。「陳陽笑道，「姚教授對我的項目挺感興趣的。「
「那當然，你做的東西這麼厲害。「沈清雪說，「對了，你今晚去工作室嗎？我也過去，幫你測試。「
「去。「陳陽說，「周末要把身份證識別做完，你來正好。「
「好！「沈清雪眼睛亮了，「我先回宿舍放書，晚飯後就過去。「
周五晚上七點，華清嘉園工作室。
陳陽坐在電腦前，手指在鍵盤上飛快地敲擊。
屏幕上是密密麻麻的代碼，都是他這幾天寫的身份證識別系統，以及驗證數據增強技術。
因為獲取不到大量的身份證原件，陳陽只能寫了一整套數據增強的腳本來模擬，各種實際情況下出現的場景，比如：
隨機旋轉：-30度到30度隨機縮放：0.8倍到1.2倍
隨機裁剪：模擬不同的拍照距離光照變化：模擬不同的光線條件
添加噪點：模擬圖像質量差的情況
模糊處理：模擬對焦不清晰的情況
透視變換：模擬不同的拍照角度
用這些方法，他把手裡的幾張原始身份證圖片，擴充到了20000張訓練樣本。
這種數據增強的技術，用少量真實數據，生成大量多樣化的訓練樣本，讓模型見過各種極端情況。
「陳陽，我來了！「
門開了，沈清雪提著一個大袋子走進來。
「買了什麼？「陳陽轉過頭。
「吃的！「
沈清雪把袋子放在桌上，「我估計今晚又要熬夜，所以買了一堆零食。還有紅牛，提神的。「
她從袋子裡掏出一大堆東西：薯片、巧克力、餅乾、瓜子、紅牛、咖啡。
「你這是搬超市了嗎？「陳陽笑道。
「嘿嘿，有備無患嘛。「沈清雪拉了把椅子坐在他旁邊，「現在進度怎麼樣了？「
「模型訓練剛跑完第一輪。「陳陽指著另一台電腦的屏幕，上面顯示著訓練過程的曲線圖。
「準確率多少？「
「92%。「陳陽說，「還不夠，我的目標是99%以上。「
「99%？「沈清雪有些驚訝，「這麼高？「
「必須高。「陳陽解釋道，「身份證識別用在實名認證的場景，容錯率很低。如果準確率只有90%，意味著每100張身份證就有10張識別錯誤，這在實際應用中是不可接受的。「
「那怎麼提高準確率？「
「繼續訓練，優化參數，增加數據。「陳陽說，「另外，我準備加一個後處理模塊，用規則約束來糾正一些明顯的錯誤。比如身份證號必須是18位，出生日期必須是合理的日期格式等等。「
「明白了。「沈清雪點點頭，「我能幫什麼忙？「
「幫我準備測試數據。「陳陽把一個U盤遞給她，「這裡面有500張身份證圖片，你幫我把每張的正確信息都錄入到Excel表格里。等模型訓練完，我們用這些數據來測試準確率。「
「好！「沈清雪接過U盤，打開自己的電腦，開始工作。
兩人就這樣並肩坐著，各自忙各自的。
工作室里很安靜，只有鍵盤的敲擊聲和電腦風扇的嗡鳴聲。
偶爾沈清雪會問一句「這個字是什麼「，陳陽就湊過去看一眼，然後告訴她。
時間一點點流逝。
晚上九點，模型訓練完第二輪，準確率提升到95%。
晚上十一點，第三輪完成，準確率96.5%。
「累不累？「陳陽問沈清雪。
「還好。「沈清雪伸了個懶腰，「就是眼睛有點酸。「
「休息一下吧。「陳陽說，「出去走走。「
兩人走出工作室，來到樓下的小區花園。
秋天的夜晚有些涼，風吹過來，樹葉沙沙作響。
小區里很安靜，只有幾盞路燈還亮著。
「陳陽，「沈清雪忽然說，「我覺得一起做一件事情，一起努力，一起看著它慢慢成長。這種感覺，比上課有意思多了。「
陳陽看著她，月光下，她的臉上帶著認真的表情。
「辛苦你了。「陳陽說，「明明可以在宿舍休息，卻跟著我熬夜。「
「我願意啊。「沈清雪笑道，「而且我也學到了很多東西。以前只是寫寫作業，現在才知道真正的項目是什麼樣的。「
兩人在花園裡走了一圈，然後回到工作室繼續工作。
凌晨兩點，陳陽完成了後處理模塊的開發。
這個模塊會對識別結果進行多重驗證：
身份證號碼必須是18位，前17位是數字，最後一位是數字或X身份證號碼的前6位是地區碼，必須是有效的行政區劃代碼身份證號碼的7-14位是出生日期，必須是合理的日期（比如月份不能超過12）身份證號碼的最後一位是校驗碼，可以根據前17位計算出來性別信息必須與身份證號碼的第17位對應（奇數為男，偶數為女）
這些規則可以過濾掉大部分識別錯誤。
「清雪，測試數據整理好了嗎？「陳陽問。
「好了。「沈清雪揉了揉眼睛，把Excel文件發給他，「500張都錄完了。「
「辛苦了。「陳陽接收文件，「現在開始測試。「
他寫了一個批量測試腳本，把500張測試圖片全部跑一遍。
測試程序開始運行，進度條慢慢前進。
沈清雪坐在旁邊，緊張地看著屏幕。
十分鐘後，測試完成。
陳陽打開結果報告：
總測試樣本：500張
成功識別：497張
識別錯誤：2張
識別失敗：1張
綜合準確率：99.4%
平均識別時間：0.9秒
「99.4%！「沈清雪驚呼，「真的做到了！「
陳陽看著屏幕上的數字，嘴角露出笑容。
他點開那3張失敗的案例：
第一張，是一張嚴重磨損的一代身份證，上面的文字已經模糊到肉眼都很難辨認。
第二張，拍照時光線極差，整張照片幾乎是黑的。
第三張，身份證被嚴重摺疊過，文字完全變形。
「這三種情況確實很難處理。「陳陽說，「但99.4%的準確率，已經超過人眼的識別水平了。「
「超過人眼？「沈清雪不太理解。
「對。「陳陽解釋道，「人工錄入身份證信息，出錯率大概在1%-2%。因為數字和字母容易看錯，比如0和O，1和I，8和B。我們的系統準確率99.4%，錯誤率只有0.6%，已經比人工更準確了。「
「太厲害了！「沈清雪興奮地握拳。
陳陽又測試了幾遍，確認系統穩定後，開始寫部署腳本。
他要把這個系統部署到伺服器上，做成Web API的形式，這樣任何人都可以通過上傳圖片來調用識別服務。
凌晨四點，部署完成。
陳陽打開瀏覽器，輸入伺服器地址，一個簡潔的頁面出現在屏幕上。
中間是一個上傳框，下方有一行字：「支持JPG、PNG、BMP格式，最大5MB「。
「試試看。「陳陽說。
沈清雪用手機拍了一張自己的身份證，然後上傳。
不到一秒鐘，識別結果就顯示出來了：
姓名：沈清雪
性別：女
民族：漢
出生日期：1994年08月12日
住址：湘南省星城市XX號
身份證號碼：3xxxxxx
簽發機關：星城市公安局
有效期限：2012.05.10-2022.05.10
「完全正確！「沈清雪看著屏幕，「而且真的好快！「
陳陽又測試了幾張不同情況的照片：傾斜的、模糊的、反光的，都能準確識別。
「搞定。「陳陽保存了代碼，「身份證識別系統，正式完成。「
他看了看時間，凌晨四點半。
窗外天還是黑的，但已經能聽到遠處傳來清晨的鳥叫聲。
「我們成功了！「沈清雪興奮地轉過椅子，眼睛亮晶晶的。
「嗯，第一個里程碑。「陳陽笑道。
兩人對視了幾秒，然後沈清雪忽然意識到什麼，臉微微一紅，轉過頭去。
「那、那現在怎麼辦？「她問。
「先睡一覺。「
陳陽站起身，活動了一下僵硬的脖子，
「下午再更新官網，發帖推廣。「
沈清雪從教學樓另一側跑過來，手裡抱著書。
「你怎麼在這兒？「陳陽問。
「剛下課啊。「
沈清雪說，「看到你跟姚教授在聊天，就沒打擾。聊得怎麼樣？「
「還不錯。「陳陽笑道，「姚教授對我的項目挺感興趣的。「
「那當然，你做的東西這麼厲害。「沈清雪說，「對了，你今晚去工作室嗎？我也過去，幫你測試。「
「去。「陳陽說，「周末要把身份證識別做完，你來正好。「
「好！「沈清雪眼睛亮了，「我先回宿舍放書，晚飯後就過去。「
周五晚上七點，華清嘉園工作室。
陳陽坐在電腦前，手指在鍵盤上飛快地敲擊。
屏幕上是密密麻麻的代碼，都是他這幾天寫的身份證識別系統，以及驗證數據增強技術。
因為獲取不到大量的身份證原件，陳陽只能寫了一整套數據增強的腳本來模擬，各種實際情況下出現的場景，比如：
隨機旋轉：-30度到30度隨機縮放：0.8倍到1.2倍
隨機裁剪：模擬不同的拍照距離光照變化：模擬不同的光線條件
添加噪點：模擬圖像質量差的情況
模糊處理：模擬對焦不清晰的情況
透視變換：模擬不同的拍照角度
用這些方法，他把手裡的幾張原始身份證圖片，擴充到了20000張訓練樣本。
這種數據增強的技術，用少量真實數據，生成大量多樣化的訓練樣本，讓模型見過各種極端情況。
「陳陽，我來了！「
門開了，沈清雪提著一個大袋子走進來。
「買了什麼？「陳陽轉過頭。
「吃的！「
沈清雪把袋子放在桌上，「我估計今晚又要熬夜，所以買了一堆零食。還有紅牛，提神的。「
她從袋子裡掏出一大堆東西：薯片、巧克力、餅乾、瓜子、紅牛、咖啡。
「你這是搬超市了嗎？「陳陽笑道。
「嘿嘿，有備無患嘛。「沈清雪拉了把椅子坐在他旁邊，「現在進度怎麼樣了？「
「模型訓練剛跑完第一輪。「陳陽指著另一台電腦的屏幕，上面顯示著訓練過程的曲線圖。
「準確率多少？「
「92%。「陳陽說，「還不夠，我的目標是99%以上。「
「99%？「沈清雪有些驚訝，「這麼高？「
「必須高。「陳陽解釋道，「身份證識別用在實名認證的場景，容錯率很低。如果準確率只有90%，意味著每100張身份證就有10張識別錯誤，這在實際應用中是不可接受的。「
「那怎麼提高準確率？「
「繼續訓練，優化參數，增加數據。「陳陽說，「另外，我準備加一個後處理模塊，用規則約束來糾正一些明顯的錯誤。比如身份證號必須是18位，出生日期必須是合理的日期格式等等。「
「明白了。「沈清雪點點頭，「我能幫什麼忙？「
「幫我準備測試數據。「陳陽把一個U盤遞給她，「這裡面有500張身份證圖片，你幫我把每張的正確信息都錄入到Excel表格里。等模型訓練完，我們用這些數據來測試準確率。「
「好！「沈清雪接過U盤，打開自己的電腦，開始工作。
兩人就這樣並肩坐著，各自忙各自的。
工作室里很安靜，只有鍵盤的敲擊聲和電腦風扇的嗡鳴聲。
偶爾沈清雪會問一句「這個字是什麼「，陳陽就湊過去看一眼，然後告訴她。
時間一點點流逝。
晚上九點，模型訓練完第二輪，準確率提升到95%。
晚上十一點，第三輪完成，準確率96.5%。
「累不累？「陳陽問沈清雪。
「還好。「沈清雪伸了個懶腰，「就是眼睛有點酸。「
「休息一下吧。「陳陽說，「出去走走。「
兩人走出工作室，來到樓下的小區花園。
秋天的夜晚有些涼，風吹過來，樹葉沙沙作響。
小區里很安靜，只有幾盞路燈還亮著。
「陳陽，「沈清雪忽然說，「我覺得一起做一件事情，一起努力，一起看著它慢慢成長。這種感覺，比上課有意思多了。「
陳陽看著她，月光下，她的臉上帶著認真的表情。
「辛苦你了。「陳陽說，「明明可以在宿舍休息，卻跟著我熬夜。「
「我願意啊。「沈清雪笑道，「而且我也學到了很多東西。以前只是寫寫作業，現在才知道真正的項目是什麼樣的。「
兩人在花園裡走了一圈，然後回到工作室繼續工作。
凌晨兩點，陳陽完成了後處理模塊的開發。
這個模塊會對識別結果進行多重驗證：
身份證號碼必須是18位，前17位是數字，最後一位是數字或X身份證號碼的前6位是地區碼，必須是有效的行政區劃代碼身份證號碼的7-14位是出生日期，必須是合理的日期（比如月份不能超過12）身份證號碼的最後一位是校驗碼，可以根據前17位計算出來性別信息必須與身份證號碼的第17位對應（奇數為男，偶數為女）
這些規則可以過濾掉大部分識別錯誤。
「清雪，測試數據整理好了嗎？「陳陽問。
「好了。「沈清雪揉了揉眼睛，把Excel文件發給他，「500張都錄完了。「
「辛苦了。「陳陽接收文件，「現在開始測試。「
他寫了一個批量測試腳本，把500張測試圖片全部跑一遍。
測試程序開始運行，進度條慢慢前進。
沈清雪坐在旁邊，緊張地看著屏幕。
十分鐘後，測試完成。
陳陽打開結果報告：
總測試樣本：500張
成功識別：497張
識別錯誤：2張
識別失敗：1張
綜合準確率：99.4%
平均識別時間：0.9秒
「99.4%！「沈清雪驚呼，「真的做到了！「
陳陽看著屏幕上的數字，嘴角露出笑容。
他點開那3張失敗的案例：
第一張，是一張嚴重磨損的一代身份證，上面的文字已經模糊到肉眼都很難辨認。
第二張，拍照時光線極差，整張照片幾乎是黑的。
第三張，身份證被嚴重摺疊過，文字完全變形。
「這三種情況確實很難處理。「陳陽說，「但99.4%的準確率，已經超過人眼的識別水平了。「
「超過人眼？「沈清雪不太理解。
「對。「陳陽解釋道，「人工錄入身份證信息，出錯率大概在1%-2%。因為數字和字母容易看錯，比如0和O，1和I，8和B。我們的系統準確率99.4%，錯誤率只有0.6%，已經比人工更準確了。「
「太厲害了！「沈清雪興奮地握拳。
陳陽又測試了幾遍，確認系統穩定後，開始寫部署腳本。
他要把這個系統部署到伺服器上，做成Web API的形式，這樣任何人都可以通過上傳圖片來調用識別服務。
凌晨四點，部署完成。
陳陽打開瀏覽器，輸入伺服器地址，一個簡潔的頁面出現在屏幕上。
中間是一個上傳框，下方有一行字：「支持JPG、PNG、BMP格式，最大5MB「。
「試試看。「陳陽說。
沈清雪用手機拍了一張自己的身份證，然後上傳。
不到一秒鐘，識別結果就顯示出來了：
姓名：沈清雪
性別：女
民族：漢
出生日期：1994年08月12日
住址：湘南省星城市XX號
身份證號碼：3xxxxxx
簽發機關：星城市公安局
有效期限：2012.05.10-2022.05.10
「完全正確！「沈清雪看著屏幕，「而且真的好快！「
陳陽又測試了幾張不同情況的照片：傾斜的、模糊的、反光的，都能準確識別。
「搞定。「陳陽保存了代碼，「身份證識別系統，正式完成。「
他看了看時間，凌晨四點半。
窗外天還是黑的，但已經能聽到遠處傳來清晨的鳥叫聲。
「我們成功了！「沈清雪興奮地轉過椅子，眼睛亮晶晶的。
「嗯，第一個里程碑。「陳陽笑道。
兩人對視了幾秒，然後沈清雪忽然意識到什麼，臉微微一紅，轉過頭去。
「那、那現在怎麼辦？「她問。
「先睡一覺。「
陳陽站起身，活動了一下僵硬的脖子，
「下午再更新官網，發帖推廣。「