本项目源码及训练完成的模型均开源当前识别率98%。
转载请附:博文网址: urlteam ,github 网址:tensorflow_cnn
新开一个专门存储TensorFlow项目的仓库逐步更新欢迎star :tensorflow
主流验证码偏向于用扭曲,倾斜,干扰例如下图:
因为字符距离近,没法采用先切割为单个字符然后进行局部识别的方式,so。
使用TensorFlow+cnn。进行卷积识别,该方法无需切割验证码,最终结果为训练4天(单台i5机器)达到98准确率
项目综述:
使用深度学习+训练数据+大量计算力,我们可以在几天内训练一个可以破解验证码的模型,不需要分割验证码,而是把验证码做为一个整体进行识别。
自己做一个验证码生成器,然后训练CNN模型破解自己做的验证码生成器。感觉的字符验证码机制可以废了,单纯的增加验证码难度只会让人更难识别,使用CNN+RNN,机器的识别准确率不比人差。Google已经意识到了这一点,他们现在使用机器学习技术检测异常流量。
CNN需要大量的样本进行训练。如果使用数字+大小写字母CNN网络有4*62个输出,只使用数字CNN网络有4*10个输出。因此需要一个脚本自动生成训练集。
成功率(可能波动,均亲身实践):
- 达到50%成功率需要2000个批次,总计20w张图片。
- 达到70%成功率需要4000个批次,总计40w张图片。
- 达到94%成功率需要40000个批次,总计400w张图片。
- 达到98%成功率需要100000个批次,总计1000w张图片。
loss曲线为:
成功率曲线为:
实践流程:
- TensorFlow环境搭建:官网下查看安装教程
- 测试批量验证码生成训练集: github
- TensorFlow—cnn 批量生成验证码并用cnn训练: github
- 将训练模型存放于同一目录下,测试结果:github
- 98%准确率模型下载:链接: https://pan.baidu.com/s/1cs0LCM 密码: sngx
运行截图:
测试训练图片生成:
模型训练中:
测试模型:
资源简介:
- 本项目由urlteam维护,欢迎star
- 相关的验证码破解系列可以在这里找到:
逐步更新TensorFlow系列项目:github
- 博客主页:
相关论文:
- Multi-digit Number Recognition from Street View Imagery using Deep CNN
- CAPTCHA Recognition with Active Deep Learning
- Number plate recognition with Tensorflow
- 最初cnn学习自此