卷积神经网络例子

验证码识别的首选大法--卷积神经网络

不懂的人建议先看一下这篇：

http://www.moonshile.com/post/juan-ji-shen-jing-wang-luo-quan-mian-jie-xi

http://blog.csdn.net/v_july_v/article/details/51812459

首先下载训练数据，我将其放在了这里：http://pan.baidu.com/s/1pLUEjwf，另外注意，这里的csv格式的文件中，将label设置为科学计数法，所以需要人为将其修正。训练数据一共20000张图，每一张都是由数字和大写字母组成，每一张的5个字符所在位置比较接近，因此考虑将其切割为5个字符，总共100000张图，最后利用卷积神经网络进行训练。重新生成的图我放在cut文件夹下，重新生成的图片名name和标签label对应的文件为train_y.xlsx，如图所示

首先导入模块，将其进行切割函数如下：

import tensorflow as tf
import pandas as pd
import os
from PIL import Image 
import numpy as np
#from sklearn import cross_validation
#X_train, X_test, y_train, y_test = cross_validation.train_test_split(train_data, train_target, test_size=0.4, random_state=0)  
path=r"C:\Users\user\Desktop\type2_train"
files = os.listdir(path)
files = files[3:]
df = pd.read_excel(r"C:\Users\user\Desktop\type2_train\train_y.xlsx")


def cut():
    for i in range(20000):
#        print (files[i])
        im=Image.open(path+"/"+files[i])
        region = (30,10,190,50)
        cropImg = im.crop(region)
#        cropImg.show()
        region = [(0,0,40,40),(30,0,70,40),(60,0,100,40),(90,0,130,40),(120,0,160,40)]
        for j in range(5):
            cropImg1 = cropImg.crop(region[j])
            cropImg1.save(r"C:\Users\user\Desktop\type2_train\cut\%s.jpg"%(files[i]+"_"+str(j)))
cut()

其次生成一些转换函数，图片灰度化，文本转向量以及向量转文本的函数

def text2vec(text):
    vector=np.zeros(36)
    def char2pos(c):
        if c =='_':
            k = 62
            return k
            
        k = ord(c)-48
        if k > 9:
            k = ord(c) - 55
            if k > 35:
                k = ord(c) - 61
                if k > 61:
                    raise ValueError('No Map') 
        return k      
    idx = char2pos(text)
    vector[idx] = 1
    return vector 
def vec2text(vec):
    char_pos = vec.nonzero()[0]
    text=[]
    for i,