利用Python解决掉谷歌人机验证，全自动识别真的牛啊(1)

二、先入为主，形成概念

学习一样从来没接触过的东西，最怕的是没有概念，没有概念就不能拿来装知识，形成概念最简单最迅捷的方法就是跟着别人操作一遍Yolov5配置傻瓜教程

https://www.icode9.com/content-4-882435.html

其中会遇到各种各样的问题，需要自己去理解和消化，这样就慢慢形成了概念，后续通过学习再逐渐升华到高度。

三、识别九宫图片验证

yolov5能帮助我们实现目标检测，从GITHUB下载前需要配置一些环境，yolov5下载后已经可以检测80种物体。

https://github.com/ultralytics/yolov5

当然，我们也可以训练自己的数据集，我已经尝试训练一组游戏图片，希望让他自动辨别人物，但无奈提供的数据太少而识别不了。

于是，我尝试用来识别九宫图片验证。

需要注意的是，yolov5有四种网络结构，yolov5 s/m/l/x ，yolov5s网络最小，速度最少，AP精度也最低，Yolov5x在Yolov5l基础上，不断加深加宽网络，AP精度也不断提升，但速度的消耗也在不断增加。

当我使用作者训练好的数据集做目标检测时，发现yolov5s.pt不能识别到右边最小的车，用yolov5m.pt才识别到。

所以，平时我们训练自己的数据集，如果想快就使用yolov5s.yaml，如果需要高精准就用其他三种训练。

四、获取坐标

我们做目标检测时，运行的是一yolov5的detect.py，里面不会直接返回坐标，需要加上以下代码（后面我会贴出来免费下载）

我们来看aim返回的值

返回了三个列表，说明检测到了三个目标。

列表中的第一个元素是“类别2”，代表“car”这个类别；

列表中的第二个元素和第三个元素是目标在图中的位置，分别代表横轴和纵轴，按比例显示（图是1920*1080）；

列表中的第四个元素和第五个元素是目标在图中的大小，分别代表宽（横轴方向）和长（纵轴方向），按比例显示；

列表中的第五个元素是检测度。

目标越大越容易辨认，所以我这里截整个屏幕有点大导致目标有点小了。
还需要确认两个参数，weights（权重）和source（待检测图片路径）

若没有相应的.pt，第一个参数weights会在运行自动帮你下载。
最后，根据图片的大小以及自己屏幕分辨率的可以计算出检测目标的位置，鼠标自动点击就完成验证。

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）

这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注：Python）