python+tensorflow+captcha库：基于TF快速破解验证码

python+tensorflow+captcha库：基于TF快速破解验证码

点击打开链接：文章摘自       

https://blog.csdn.net/tengxing007/article/details/78539213

http://www.cnblogs.com/beer/p/7392397.html

1、概述

       所谓验证码，就是将一串随机产生的数字或符号，生成一幅图片，图片里加上一些干扰像素（防止OCR），由用户肉眼识别其中的验证码信息。输入表单提交网站验证，验证成功后才能使用某项功能。

       人人都烦验证码——那些烦人的图片，显示着你在登陆某网站前得输入的文本。而设计验证码的目的正是，通过验证你是真实的人来避免电脑自动填充表格。但是随着深度学习和计算机视觉的兴起，现在验证码常常易被攻破。传统的验证码识别算法一般需要把验证码分割为单个字符，然后逐个识别，如果字符之间相互重叠，传统的算法就然并卵了，本文采用cnn对验证码进行整体识别。

            通过本文的学习，大家可以学到几点：

                        1.captcha库生成验证码；

                        2.如何将验证码识别问题转化为分类问题；

                        3.可以训练自己的验证码识别模型。

2、步骤

1. prepare_data.py - 验证码生成，使用python库captcha来生成，速度快，数量多
2. prepare_model.py - 两层RNN网络模型，采用LSTM模型；
3. train.py - 训练CNN模型(3 层隐藏层、2 层全连接层)
4. predict.py - 使用图片进行预测

3、安装 captcha 库

captcha 可以生成语音和图片验证码，我们采用生成图片验证码功能，验证码是由数字、大写字母、小写字母组成（当然你也可以根据自己的需求调整，比如添加一些特殊字符），长度为 4，所以总共有 62^4 种组合验证码,

• sudo pip install captcha

2.    机器学习方法

传统的机器学习方法，对于多位字符验证码都是采用的 化整为零 的方法：先分割成最小单位，再分别识别，然后再统一。 

卷积神经网络方法，直接采用 端到端不分割 的方法：输入整张图片，输出整个图片的标记结果，具有更强的通用性。

端到端 的识别方法显然更具备优势，因为目前的字符型验证码为了防止被识别，多位字符已经完全融合粘贴在一起了，利用传统的技术基本很难实现分割了。本文重点推荐的就是 端到端 的方法。

免训练的快速通道：

wget http://tensorflow-1253902462.cosgz.myqcloud.com/captcha/capcha_model.zip
unzip capcha_model.zip