ICP备案点选验证码 识别思路

工作中需要经常批量查询域名备案情况，为了减少工作量。

本来想买一套训练好的，结果一问价格，那只能自己做了。

思路：

1.YOLO，查阅资料发现最优方案是YOLO孪生训练（下面没有使用，我觉得标注成本过高）

2.观察背景图库比较少，可以去掉背景图后CNN训练

3.直接CNN训练

提取背景图

1.使用PIL，Counter个库，提取出验证码图片的背景图

2.提取验证码的透明文字

3.批量生成标注图片(大约10W张)，标注了1.5万张，其余都是旋转后获得

CNN训练好后单字识别率大约90%

5选4识别率70-90%，够用，就不再标注