基于YOLOv8的通用的滑动验证码滑块缺口检测模型（二）

已于 2024-08-20 15:53:12 修改
阅读量282 收藏 1
点赞数 7
分类专栏： 爬虫 验证码 机器学习 文章标签： YOLO
于 2024-08-20 10:50:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_29402011/article/details/141350954
版权

文章目录

前言

上篇文章中我们讲解了YOLOv8训练滑块缺口检测模型的步骤，这里我们展示下模型的训练成功

效果展示

部分厂商验证码会有多个缺口，以下 “t” 表示真实缺口，“f” 表示障碍缺口（干扰识别的假缺口）

第一种

原图
在这里插入图片描述
预测效果
在这里插入图片描述

第二种

原图
在这里插入图片描述

预测效果
在这里插入图片描述

第三种

原图
在这里插入图片描述
预测效果
在这里插入图片描述

总结

目前来看三种验证码都能很好的识别，如果有新的验证码种类，可以在评论区留言，之后我会加入到模型训练中

是否开源

关于此次训练的模型，你觉得是应该开源给大家使用，还是应该收费使用呢？请在投票中表达你的观点

吃苹果的牛顿顿
关注
  • 7
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
基于YOLOv8的通用的滑动验证码滑块缺口检测模型（一）
qq_29402011的博客
08-15 634
本文介绍了基于YOLOv8训练滑块验证码缺口检测模型的通用步骤
深度学习训练滑动验证码(Yolov5)
wangzhuanjia的博客
06-15 6320
注：本文只用于学习，如有问题请联系作者。对于现在网络的大多数滑动验证码如果想用一个通用的方法还是需要用深度学习，用图像处理的方式对于单一类型还是比较好用的，多类型还是难以适用的。例如如下多种类型： 这里展示了5种类型不同的滑块，我们要做的就是准确的找到缺口的位置通过。 我这里使用的yolov5 YOLO 是“You only look once”的首字母缩写词，是一种将图像划分为网格系统的对象检测算法。网格中的每个单元都负责检测自身内部的对象。由于其速度和准确性，YOLO 是最著名的目标检测算法之一
深度学习识别滑动验证码缺口
m0_59485658的博客
03-21 7270
1. 准备工作 同样地，本节还是主要侧重于完成利用深度学习模型来识别验证码缺口的过程，所以不会侧重于讲解深度学习模型的算法，另外由于整个模型实现较为复杂，本节也不会从零开始编写代码，而是倾向于把代码提前下载下来进行实操练习。 所以在最后，请提前代码下载下来，仓库地址为：https://github.com/Python3WebSpider/DeepLearningSlideCaptcha2，利用Git 把它克隆下来： git clone https://github.com/Python3Web..
利用深度学习识别滑动验证码缺口位置
静觅
11-07 4553
“ 阅读本文大概需要 5 分钟。 ”做爬虫的同学肯定或多或少会为验证码苦恼过，在最初的时候，大部分验证码都是图形验证码。但是前几年「极验」验证码横空出世，行为验证码变得越来越流行，其中之一的形式便是滑块验证码。滑块验证码是怎样的呢？如图所示，验证码是一张矩形图，图片左侧会出现一个滑块，右侧会出现一个缺口，下侧会出现一个滑轨。左侧的滑块会随着滑轨的拖动而移动，如果能将左侧滑块正好滑动到右侧缺口处，就...
爬虫与反爬虫技术简介
vivo互联网技术
09-21 1626
本文一方面从爬虫与反反爬的角度来说明如何高效的对网络上的公开数据进行爬取，另一方面也会介绍反爬虫的技术手段，为防止外部爬虫大批量的采集数据的过程对服务器造成超负载方面提供些许建议。
yolo训练 可识别滑块缺口等一系列验证码 易语言源码
04-04
这个压缩包文件中的资源可能包含了一套完整的易语言源码，用于训练YOLO模型以识别特定类型的验证码，例如滑块缺口，以及行人和汽车等对象。 YOLO的核心思想是将图像分类与目标检测结合在一个单一的神经网络中，它能...
使用Python的OpenCV模块识别滑动验证码的缺口（推荐）
09-19
### 使用Python的OpenCV模块识别滑动验证码的缺口 #### 一、背景介绍与应用场景 随着互联网技术的发展，为了防止自动化脚本攻击或恶意登录，许多网站和应用引入了验证码机制来验证用户身份的真实性。其中一种常见...
基于python实现破解滑动验证码过程解析
01-20
答案当然是有的，常见的验证码一般分为两类，一类是图文验证码，一类是滑动验证码！ 今天我们主要来聊聊滑动验证码如何去识别破解。 滑动验证破解思路 关于滑动验证码破解的思路大体上来讲就是以下两个步骤： 1、...
基于python实现的滑动验证码缺口识别
04-24
识别原理 根据opencv边缘检测, 用滑块的周围线条去匹配背景图中的滑块区域线条。 对比图片误差比较大,只匹配线条成功率很高 ...根据原图与缺口图对比色差, 因为原图与缺口图只有滑块缺口位置颜色偏差比较大
基于Javascript的SliderCaptcha滑动验证码设计源码
04-17
本项目是基于Javascript开发的SliderCaptcha滑动验证码设计源码，主要使用JavaScript进行开发。项目共包含31个文件，其中JPG图片文件5个，Markdown文档文件4个，CSS样式文件4个，JavaScript源代码文件2个，MAP文件2...
创建干净虚拟环境对YOLOV8进行打包
最新发布
yljxh的博客
08-19 387
打开Pycharm，打开需要打包的文件所在文件夹，点击Settings => Python Interpreter => Add Interpreter，参考下图，点击确定即可。另外，还需要在exe同级目录下，拷贝程序中使用到的资源，要不然exe找不到，我试了放到_internal里面不行。输入命令之后，等待即可，因为依赖环境比较多，时间稍微有点长，大概几分钟，最后出现这样子就打包成功了。直接双击DemoWindow.exe，看能不能正常打开，哈哈，果然不让你一次成功，提示找不到文件。
基于YOLOv8的暴力行为分类系统
2301_78240361的博客
08-19 186
基于yolo8的暴力行为分类系统 暴力行为检测 智慧安防 技术栈:yolo8+streamlit 可以识别两类：正常、暴力 模型分类能力见下图混淆矩阵 [1]可以识别图片与视频，也支持本地摄像头识别。
YOLOv8改进 | 融合改进 | C2f融合新颖的可扩张残差注意力模块助力小目标检测【完整代码】
kay_545
08-16 554
yolov8，模块缝合，yolov8改进，yolov8_C2f_DWR
【逆向日记】1.关于YOLO视觉Ai软件逆向分析
DvlpNews
08-15 289
逆向后截图 逆向过程 分析应用类型 软件查壳 静态、动态基址分析 CE内存特征搜索 OD锁死特征长度、修改想要内容 动态补丁技术 CE基址记录
【yolov8】6、labelimg安装使用-数据集标注
ladymorgana的博客
08-15 750
选择标注好的label标签存在的文件夹。选择标注的图片文件夹。
Yolov5 CPU调用
在路上@Amos
08-16 126
【YOLOv5】调用本地摄像头_yolov5调用摄像头-CSDN博客使用YOLOv5实现单摄像头实时目标检测_yolov5摄像头实时检测-CSDN博客
pytorch训练后pt模型中保存内容详解(yolov8n.pt为例)
yueguang8的博客
08-19 920
在 PyTorch 中，.pt 模型文件通常包含以下几类数据：模型参数：存储模型的权重和偏置参数;优化器状态：包含优化器的状态信息，以便在恢复训练时能够从中断的地方继续。 训练状态：一些训练过程中的信息，例如当前的 epoch 数和训练进度。其他元数据： 包括模型的配置、训练时使用的超参数等.本文以yoloV8n.pt进行讲解。
YOLOV5单目测距+车辆检测+车道线检测+行人检测（教程-代码）
2401_83580557的博客
08-15 1377
它可以准确地检测图像中的行人，并给出其边界框和类别信息。这对于行人安全、城市规划等领域非常有用，可以帮助监测行人的数量和分布情况，并进行行人流量统计、行人路径规划等任务。 总之，YOLOv5作为一种高效的目标检测算法，在单目测距、车辆检测、车道线检测和行人检测等领域具有重要的应用价值。它的快速和精确性能使其成为实时场景中的首选算法，并在智能交通、自动驾驶等领域发挥着重要的作用。
yolov8 将 pose模型识别成检测模型
01-09
YOLOv8不会将pose模型识别成检测模型，因为它本身就是一个目标检测模型。YOLO（You Only Look Once）是一种实时目标检测算法，其目的是在图像或视频中准确地检测和定位多个对象。YOLOv8是YOLO算法的第8个版本，相比于之前的版本，YOLOv8在准确性和速度上都有所提升。 YOLOv8利用深度卷积神经网络来实现目标检测。它将输入图像划分为不同的网格单元，并在每个网格单元中预测边界框的位置和类别。与传统的滑动窗口方法相比，YOLOv8的处理速度更快，因为它只需要一次前向传递就可以同时检测多个目标。 相比于pose模型，YOLOv8的设计目标和应用场景是不同的。pose模型旨在从图像或视频中推断人体的姿势和关节位置，而YOLOv8则专注于检测多类别的物体，并提供它们的位置信息。虽然pose和物体检测都属于计算机视觉领域，但它们的目标和方法是不同的。 所以，根据YOLOv8本身的目的和功能，它不会将pose模型识别成检测模型，而是继续专注于目标检测任务，并在该领域中进行改进和创新。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

吃苹果的牛顿顿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值