bd旋转验证码识别训练带模型

转验证码识别概述

这次我将带着大家实现旋转验证码的识别，当然当前时间点上识别教程有很多，我的教程会有自己优化的点(主要在损失函数上)，使准确率更加高，需要的数据集更加少。

项目开源地址

https://github.com/2833844911/Rotate-the-verification-code-pytorch/

定义模型

下面我们使用的是resnet50模型进行分类

class CustomResNet50(nn.Module):
    def __init__(self, num_classes=num_classes):
        super(CustomResNet50, self).__init__()
        # 加载ResNet50模型
        resnet50 = models.resnet50(pretrained=True)
        self.resnet_layers = nn.Sequential(*list(resnet50.children())[:-1])
        self.flatten = nn.Flatten()
        self.fc = nn.Linear(2048, 360) #把结果输出为360个类别
        self.sfm = nn.Sigmoid()

    def forward(self, x):
 
        x = self.resnet_layers(x)
        x = self.flatten(x)
        x = self.fc(x)
        x = self.sfm(x)
        return x

损失函数实现

看网上教程他们用的损失函数大部分就是直接使用交叉熵损失函数，但这样子的效果其实不是很好，会导致模型偏差太大
使用交叉熵损失函数最优输出【假设目标角度为90度】

当使用交叉熵损失函数时 需要达到效果最好时目标角度输出数据应当为1，其他角度都要为0，这样子才可以让损失最小，但是这样子我们可以发现角度93的损失和角度91的损失所带来的效果是一样的，其实我们应该最大当预测角度为91时其实损失应该更加小，那要怎么设计损失函数呢？
接下来我们开始来实现
首先我们也画一张图来表示我们是最佳输出
使用自定义函数最优输出【假设目标角度为90度】

由图可以看出我们输出的结果应当为
88度为0.8
89度为0.9
90度为1
91度为0.9
92度为0.8
93度为0.7
这样子我们就可以体现出91度和93度的区别，这样子当模型预测角度不为90度，那也会有更大的可能会预测到89度或者91度
下面是实现的代码

class CustomClassificationLoss(nn.Module):
    def __init__(self, num_classes, alpha=18):
        super(CustomClassificationLoss, self).__init__()

    def forward(self, logits, targets):
        ce_loss = 0
        for i in range(logits.shape[0]):
            wz = targets[i].item()
            kj = wz
            lossOne = (1-logits[i][wz])
            for r in range(1, 180):
                wz -= 1
                if wz <0:
                    wz = 359
                lossOne += torch.abs((0.98 ** r) - logits[i][wz])
            for r in range(1, 180):
                kj += 1
                if kj >359:
                    kj = 0
                lossOne += torch.abs((0.98 ** r) - logits[i][kj])
            ce_loss += lossOne
        loss = ce_loss/targets.shape[0]
        return loss, 0, loss.item()

训练好的模型下载地址

链接：https://pan.baidu.com/s/1mcz58nquhL0DA8tCX5f_ww
提取码：39ev
需要配合我github的代码使用

星球 https://t.zsxq.com/0fLP2ulsk 【有魔改node， 魔改浏览器，等分析】