使用darknet识别点选验证码详细过程(附带源码)

本文档详述了使用darknet框架识别点选验证码的完整过程,包括项目结构、配置、训练、识别及优化。通过示例,演示了从下载项目、编译darknet、安装python环境,到生成样本、训练模型直至实现web服务的每一步操作。此外,还提供了训练自己数据的指导,以及GPU云服务推荐和速度对比。
摘要由CSDN通过智能技术生成

项目源码:https://github.com/nickliqian/darknet_captcha

darknet_captcha

项目基于darknet开发了一系列的快速启动脚本,旨在让图像识别新手或者开发人员能够快速的启动一个目标检测(定位)的项目。
如果有没有讲清楚的地方,欢迎提issue和PR,希望能和大家共同完善!

本项目分为两个部分:

  1. 提供两个目标检测(单分类和多分类点选验证码)的例子,你可以通过例子熟悉定位yolo3定位网络的使用方式
  2. 基于darknet提供一系列API,用于使用自己的数据进行目标检测模型的训练,并提供web server的代码
    在这里插入图片描述在这里插入图片描述
    在这里插入图片描述在这里插入图片描述

目录

项目结构

项目分为darknet、extent、app三部分

  1. darknet: 这部分是darknet项目源码,没有作任何改动。
  2. extent: 扩展部分,包含生成配置生成样本训练识别demoapi程序
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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