毕业设计 - 基于机器视觉的12306验证码识别

0 简介

今天学长向大家介绍一个深度学习项目

基于机器视觉的12306验证码识别

1 数据收集

12306的验证码是从8个图片中找到要求的物体，如图所示。

学长统计了1000个样本，发现12306的类别数其实只有80类，它们的类别以及对应的统计个数如下表

从上面的统计中我们可以看出，12306的验证码的破解工作可以转换成一个80类的分类问题。

数据集预览

2 识别过程

物体分类的代码可以简单分成三个部分：

• 网络搭建；
• 数据读取；
• 模型训练。

但是在上面的三步中每一步都存在一些超参数，怎么设置这些超参数是一个有经验的算法工程师必须掌握的技能。我们会在下面的章节中介绍每一步的细节，并给出我自己的经验和优化策略。

3 网络构建

搭建一个分类网络时，可以使用上面几篇文章中介绍的经典的网络结构，也可以自行搭建。当自行搭建分类网络时，可以使用下面几步：

• 堆积卷积操作（Conv2D）和最大池化操作（MaxPooling2D），第一层需要指定输入图像的尺寸和通道数；
• Flatten()用于将Feature Map展开成特征向量；
• 之后接全连接层和激活层，注意多分类应该使用softmax激活函数。

自行搭建网络时，学长有几个经验：

• 1 通道数的数量取2^n；
• 2 每次MaxPooling之后通道数乘2；
• 3 最后一层Feature Map的尺寸不宜太大也不宜太小(7-20之间是个不错的选择)；
• 4 输出层和Flatten()层往往需要加最少一个隐层用于过渡特征；
• 5 根据计算Flatten()层的节点数量设计隐层节点的个数。

下面代码是学长搭建的一个分类网络

model_simple = models.Sequential()
model_simple.add(layers.Conv2D(32, (3,3), padding='same', activation='relu', input_shape = (66,66,3)))
model_simple.add(layers.MaxPooling2D((2,2)))
model_simple.add(layers.Conv2D(64, (3,3), padding='same', activation='relu'))
model_simple.add(layers.MaxPooling2D((2,2)))
model_simple.add(layers.Conv2D(128, (3,3), padding='same', activation='relu'))
model_simple.add(layers.MaxPooling2D((2,2)))
model_simple.add(layers.Flatten())
model_simple.add(layers.Dense(1024, activation='relu'))
model_simple.add(layers.Dense(80, activation='softmax'))

在上面代码中VGG16()函数用于调用Keras自带的VGG-16网络，weights参数指定网络是否使用迁移学习模型，值为None时表示随机初始化，值为ImageNet时表示使用ImageNet数据集训练得到的模型。

include_top参数表示是否使用后面的输出层，我们确定了只使用表示层，所以取值为False。input_shape表示输入图片的尺寸，由于VGG-16会进行5次降采样，所以我们使用它的默认输入尺寸2242243，所以输入之前会将输入图片放大。

4 数据读取

Keras提供了多种读取数据的方法，我们推荐使用生成器的方式。在生成器中，Keras在训练模型的同时把下一批要训练的数据预先读取到内存中，这样会节约内存，有利于大规模数据的训练。Keras的生成器的初始化是ImageDataGenerator类，它有一些自带的数据增强的方法。

在这个项目中学长将不同的分类置于不同的目录之下，因此读取数据时使用的是flow_from_directory()函数，训练数据读取代码如下（验证和测试相同）：

train_data_gen = ImageDataGenerator(rescale=1./255)
train_generator = train_data_gen.flow_from_directory(train_folder, 
                                                     target_size=(66, 66), 
                                                     batch_size=128, 
                                                     class_mode='categorical')

我们已近确定了是分类任务，所以class_mode的值取categorical。

5 模型训练

当我们训练模型时首先我们要确定的优化策略和损失函数，这里我们选择了Adagrad作为优化策略，损失函数选择多分类交叉熵categorical_crossentropy。由于我们使用了生成器读取数据，所以要使用fit_generator来向模型喂数据，代码如下。

model_simple.compile(loss='categorical_crossentropy', optimizer=optimizers.Adagrad(lr=0.01), metrics=['acc'])
history_simple = model_simple.fit_generator(train_generator, 
                                            steps_per_epoch=128, 
                                            epochs=20, 
                                            validation_data=val_generator)

经过20个Epoch之后，模型会趋于收敛，损失值曲线和精度曲线见图，此时的测试集的准确率是0.8275。从收敛情况我们可以分析到模型此时已经过拟合，需要一些策略来解决这个问题。

6 加入Dropout层

Dropout一直是解决过拟合非常有效的策略。在使用dropout时丢失率的设置是一个技术活，丢失率太小的话Dropout不能发挥其作用，丢失率太大的话模型会不容易收敛，甚至会一直震荡。在这里我在后面的全连接层和最后一层卷积层各加一个丢失率为0.25的Dropout。收敛曲线和精度曲线见下图，可以看出过拟合问题依旧存在，但是略有减轻，此时得到的测试集准确率是0.83375

7 数据增强

Keras提供在调用ImageDataGenerator类的时候根据它的参数添加数据增强策略，在进行数据扩充时，学长有几点建议：

• 1 扩充策略的设置要建立在对数据集充分的观测和理解上；
• 2 正确的扩充策略能增加样本数量，大幅减轻过拟合的问题；
• 3 错误的扩充策略很有可能导致模型不好收敛，更严重的问题是使训练集和测试集的分布更加不一致，加剧过拟合的问题；
• 4 往往开发者需要根据业务场景自行实现扩充策略。

下面代码是我使用的数据增强的几个策略。

train_data_gen_aug = ImageDataGenerator(rescale=1./255,
                                        horizontal_flip = True, 
                                        zoom_range = 0.1,
                                       width_shift_range= 0.1,
                                       height_shift_range=0.1,
                                       shear_range=0.1,
                                       rotation_range=5)
train_generator_aug = train_data_gen_aug.flow_from_directory(train_folder, 
                                                     target_size=(66, 66), 
                                                     batch_size=128, 
                                                     class_mode='categorical')

其中rescale=1./255参数的作用是对图像做归一化，归一化是一个在几乎所有图像问题上均有用的策略；horizontal_flip = True，增加了水平翻转，这个是适用于当前数据集的，但是在OCR等方向水平翻转是不能用的；其它的包括缩放，平移，旋转等都是常见的数据增强的策略，此处不再赘述。

结合Dropout，数据扩充可以进一步减轻过拟合的问题，它的收敛曲线和精度曲线见图4，此时得到的测试集准确率是0.84875。

8 迁移学习

除了我们自己构建网络以外，我们还可以使用现成的网络预训练模型做迁移学习，能使用的网络结构有：

• Xception
• VGG16
• VGG19
• ResNet50
• InceptionV3
• InceptionResNetV2
• MobileNet
• DenseNet
• NASNet

使用经典模型往往和迁移学习配合使用效果更好，所谓迁移学习是将训练好的任务A（最常用的是ImageNet）的模型用于当前任务的网络的初始化，然后在自己的数据上进行微调。该方法在数据集比较小的任务上往往效果很好。Keras提供用户自定义迁移学习时哪些层可以微调，哪些层不需要微调，通过layer.trainable设置。Keras使用迁移学习提供的模型往往比较深，容易产生梯度消失或者梯度爆炸的问题，建议添加BN层。最好的策略是选择好适合自己任务的网络后自己使用ImageNet数据集进行训练。

以VGG-16为例，其使用迁移学习的代码如下。第一次运行这段代码时需要下载供迁移学习的模型，因此速度会比较慢，请耐心等待。

model_trans_VGG16 = models.Sequential()
trans_VGG16 = VGG16(weights='imagenet', include_top=False, input_shape=(224,224,3))
model_trans_VGG16.add(trans_VGG16)
model_trans_VGG16.add(layers.Flatten())
model_trans_VGG16.add(layers.Dense(1024, activation='relu'))
model_trans_VGG16.add(layers.BatchNormalization())
model_trans_VGG16.add(layers.Dropout(0.25))
model_trans_VGG16.add(layers.Dense(80, activation='softmax'))
model_trans_VGG16.summary()

它的收敛曲线和精度曲线见图5，此时得到的测试集准确率是0.774375，此时迁移学习的效果反而不如我们前面随便搭建的网络。在这个问题上导致迁移学习模型表现效果不好的原因有两个：

• VGG-16的网络过深，在12306验证码这种简单的验证码上容易过拟合；
• 由于include_top的值为False，所以网络的全连接层是随机初始化的，导致开始训练时损失值过大，带偏已经训练好的表示层。

为了防止表示层被带偏，我们可以将Keras中的层的trainable值设为False来达到此目的。结合之前介绍的数据增强和Dropout，最终我们得到的收敛曲线和精度曲线见图6，此时得到的测试集准确率是0.91625。

9 结果

我将12306网站验证码的破解工作转换成了一个经典的多分类问题，并通过深度学习和一些trick将识别率提高到了91.625%。

训练测试结果：

9 最后