基于深度学习的验证码识别.docxVIP

经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 精心整理 仅供参考 勿用作商业用途 目 录 TOC \o 1-3 \h \z \u 前 言 1 第一章 绪论 2 1.1 传统验证码识别方式 2 1.2 深度学习验证码识别概述 3 1.3 本文的组织结构 4 第二章 卷积神经网络 5 2.1 局部感受野 5 2.2 权值共享 5 2.3 卷积 5 2.4 池化 6 2.4 归一化 6 2.5 本章小结 7 第三章 训练深度学习网络识别验证码 8 3.1 训练数据准备 8 3.2 Keras框架 9 3.3 卷积神经网络设计及实现 9 3.4 模型训练 13 3.5 本章小结 15 第四章 测试分析 16 4.1 准确率 16 4.2 识别速度 18 4.3 大类与小类字符集对比实验 18 4.4 对于字符型验证码的建议 19 4.5 本章小结 19 第五章 网络训练速度优化 20 5.1 多进程技术 20 5.2 GPU计算技术 21 5.3 本章小结 23 第六章 总结与展望 24 6.1 本文总结 24 6.2 后续工作展望 24 参考文献 25 致谢 26 摘 要 近年来随着互联网技术的飞快发展，网络数据安全越来越被人们所重视，而为了防止恶意网络行为的重要保障，验证码技术的使用也越来越普及。与此同时，人工智能领域的发展也非常快速，深度学习技术在图像识别方面的表现非常优秀。因此，将深度学习应用于验证码识别上是不但是对验证码技术发展的推动力，也是提高计算机视觉领域技术进步的养分。文本对用于破解字符型验证码的深度学习型人工智能技术进行解析，旨在提升并且优化互联网环境的安全性，为行业内的安全策略提供借鉴，为互联网用户数据安全提供参考。 识别验证码的传统方式非常依赖于图像预处理、特征提取以及分类器训练三个步骤，不但工作量大且繁琐而且正确率也得不到有效的保障。利用深度学习中的卷积神经网络技术则不需要对验证码图形进行图形分割、预处理等人工干预操作，也能够有效排除图形颜色、形状、旋转角度以及噪音之类的干扰。本文提出了一种基于深度学习技术来识别验证码的方法，使用程序生成器无限制生成验证码图片样本作为训练及验证数据，导入卷积神经网络技术来避免预处理，以大量仿真验证码数据训练模型进行拟合，以达到提高验证码识别准确率的目的。实际验证结果表明，该模型对于广泛使用的字符型验证码具有很好的效果，在初步的训练后便能够达到95%以上的正确率，可以说是破解了该类验证码。 关键词：深度学习；图像识别；验证码 Abstract In recent years, with the rapid development of Internet technology, the security of network data has been paid more and more attention. In order to prevent the important guarantee of malicious network behavior, the use of verification code technology is becoming more and more popular. At the same time, the development of artificial intelligence is also very fast, and deep learning technology performs very well in image recognition. Therefore, the application of deep learning to verification code recognition is not only a driving force for the development of verification code technology, but also a nutrient for improving technology progress in the field of computer vision. The text analyzes the depth learning artificial intelligence technology used to solve the character type verification code, and aims to impr