第28章 验证码识别（2/2）

五台二手伺服器发出低沉的嗡鸣，24小时不间断。

爬虫在网络世界里默默爬行，数据像细流一样汇入硬碟。

第一天，采集了50万条数据。

第二天，采集了120万条。

数据在增长，但低于内部预期。问题如期而至。

第三天下午，周毅几人拿着一份简报，表情凝重地找到陈阳。

“陈总，验证码识别模块拖后腿了。”

他指着监控面板上大片的红色失败记录，

“我们用的那个开源OCR库，标称准确率80%，实际跑起来干扰太大，很多任务反覆失败，整体效率比预计慢了至少30%。”

李伟补充：“复杂点的验证码，重试五六次都过不去，IP都可能被封。”

“而且，不少网站在升级验证码，难度还在增加。我估计……再过一两周，成功率可能掉到70%以下。”

办公室里一片沉默，只有伺服器风扇的噪音。

80%准确率……陈阳心里毫无波澜。

这本就在他预料之中。

他从一开始就知道，这个开源OCR只是个临时凑数的玩意儿。

周毅还在那里小心翼翼地建议：“陈总，要不……我试试优化一下算法？我之前看过一些论文，说是可以用SVM分类器……“

“不用。“陈阳打断他，语气很平静，

“那条路是死的。传统图像处理的天花板太低，投入产出比极差。浪费时间。”

“那……”

周毅不知所措：“我们怎么办？”

陈阳没有立刻回答，转过身，看着窗外。

手指无意识地敲击桌面。

确认着下一步计划的时间节点。

卷积神经网络的核心代码他早已写好。

GPU并行计算的思路也已成竹在胸。

陈阳转回身，看着三个等待指令的员工，

“我这边新的识别引擎已经基本完成，需要几天时间进行最终的部署丶优化和接口封装。”