测试：
测试代码在test目录下，使用的图片和相应的字典来自http://www.robots.ox.ac.uk/~vgg/data/text。
模型转换：
mxnet的权重转换（.bin）转换见https://github.com/kouxichao/ncnn，相应的mxnet2ncnn。
计算图.param转换目前需要手动调整（应该蛮简单的），并没有更改。
pytorch转换参考https://github.com/starimeL/PytorchConverter,此项目由pytorch模型转过来的(https://github.com/meijieru/crnn.pytorch)。
我的转换代码：https://github.com/kouxichao/pytorch_converter;
param需要自己对照更改。使用pytorch-0.2可以完成转换。
ubuntu or other platform compile:
依赖库：
dlib库：需要自己编译生成dlib库文件，这里只用到dlib进行图片加载，当然也可以使用其他图片处理库如opencv，并更改相应函数。
ncnn库：参照https://github.com/kouxichao/ncnn进行编译。
3559A compile：
在根目录下执行make,生成静态库libcrnn.a, 可执行文件demo_crnn。
使用静态库（需要包含text_recognization.h）：
aarch64-himix100-linux-g++ demo_crnn.cpp libcrnn.a libncnn.a -O3 -march=armv8-a -o demo_crnn
执行效率(crnn单张图片识别)：
双大核：210ms
单大核：360ms
双小核：670ms
单小核：1250ms