Python项目实战篇——常用验证码标注和识别(需求分析和实现思路).docxVIP

Python项目实战篇——常用验证码标注和识别(需求分析和实现思路) 一、前言 ????今日给大家共享的实战项目是常用验证码标注识别，从想法诞生到实现思路，再到编码实战的全体过程，这个过程我前后整理了上万字，方案分章节来发布。言归正传，一起来看看今日的内容吧！今日这篇内容次要讲解这篇文章的创作灵感、需求分析和实现思路。 ????首先引见一下验证码基本概念，验证码全称为全自动区分计算机和人类的图灵测试（Completely Automated Public Turing test to tell Computers and Humans Apart，简称CAPTCHA），俗称验证码，是一种区分用户是计算机和人的公共全自动程序。验证码的次要目的是强制人机交互来抵挡机器自动化攻击，为了确保服务器系统的稳定和用户信息的平安，大部分网站接受了验证码技术。图片验证码是目前最常用的一种，本文也次要争辩这种验证码的识别。 ????最后，图片验证码识别的想法最后源于12年的高校阶段，当时的学校教务系统每次抢课系统就崩溃，而且还要特定时间段跟其他同学一起抢指定课程，基本抢不到本人想修的课程，那时候就想绕过系统图片验证码通过代码实现自动抢课，鉴于当时本人编码力量和技术力量有限，机器学习、神经网络相关框架效果较差，最终以各种条件限制实现不了告终~~ ??? XDM，等等，故事还没完，时间回到2021年，做为一名勤于搬砖、擅长思考学习的程序猿，在经过几年社会的毒打后，想着以现在本人的项目阅历、学习力量和编码功底，以及行业内机器学习、神经网络等AI技术的进展，能不能把多年以来的想法给实现，达到图片验证码高正确率识别猜测，训练一个高度可用的CNN模型。在做项目之前经过笔者几天的材料查询过程中，确信高可用的验证码识别模型想法是可以做的，于是开启了CNN神经网络等技术前置学问的漫长学习过程。 ????几个月过后，项目编码实战出炉，效果嘛，自我感觉还行，基本达到高可用，500张训练数据图，CNN模型单个字符97%以上精确?????率。 ????这里先贴项目的工程Git地址，有基础的同学可以去直接拉取项目下来把玩源码： [Java后台-通用验证码标注系统](/snowball2dev/DataMarkService)? [Vue管理后台模板-通用验证码标注系统](/snowball2dev/DataMarkService-Vue) [Python-图片验证码识别模型案例](/snowball2dev/VerifyCodeRecognize-Python) [标注系统线上效果体验地址](03:8084/) ????好的，XDM，假如到这里还有爱好往下看的话，那么就请跟随结合笔者的学习、编码实战过程来了解常用的验证码识别方法和过程。 二、需求分析 ????说到图片验证码识别功能，这个功能初步想想也简约，网上搜一下关键词，相关文章和开源项目格外多。以下是github搜索结果： ????乍一看，好像真有免费的午餐，任凭下载个CNN-python项目，改几行代码，然后开头疯狂标注数据过程，就能跑出来模型。 ????笔者本人最后也是这么想的，只求简约粗暴，于是弄了几个项目下来跑了之后，发觉代码是可以用，但是效果格外拉跨，单个字符识别正确率很低，70%不到，4-6个字符那正确率就更低了，基本上达不到高正确率，可用性情外一般。对于一个有追求的程序猿，不行能这么就完事了，于是，这就有了这个项目的整活。 ????在使用这些开源项目的过程中，发觉下载的项目实现过程大都分为2种思路，第一种无需图片切割，直接数据标注训练模型；其次种为图片验证码进行字符切割，然后为单个字符进行分类训练。项目执行的具体过程就不演示了，有爱好的读者开源自行捣鼓，下面就是笔者本人对2种思路适用方式的实践思考总结： 1. 第一种无需图片切割 ? ?优点：简约粗暴，通用性强，直接用各种卷积神经网络模型硬怼图片验证码提取特征，适合晓得验证码生成的正向代码过程，用代码生成图片验证码数据给模型训练。 ? ?缺点：数据量小时模型拟合效果差，需要大量人工标注数据，不太适合不晓得验证码生成规章，少量标注数据。 2. 其次种进行字符切割 ? ?针对验证码生成规章，分析验证码各种背景干扰、噪声点像素、字体形变和累叠、字符位置随机及个数不定、反色等情况，对图片逆向处理，达到局部字符可切割，降低卷积模型层次，降低数据标注量，实现字符分类。 ? ?优点：可针对单一图片验证码做特殊预处理，可实现部分字符切割，针对字符小图进行分类训练，小批量数据标注就可以训练模型达到高拟合效果，达到可用 ? ?缺点：通用性不强，训练模型只适用特定图片验证码，简单验证码可能无法切割 ??? XDM，等等，还有一种思路： ????笔者本人学习OpenCV时想到的