tensorflow验证码识别

最新推荐文章于 2024-08-03 19:27:22 发布

小王快学习

最新推荐文章于 2024-08-03 19:27:22 发布

阅读量1.2k

点赞数

分类专栏： tensorflow 文章标签： tensorflow python 深度学习

本文链接：https://blog.csdn.net/weixin_49732545/article/details/120566479

版权

tensorflow 专栏收录该内容

10 篇文章 0 订阅

订阅专栏

代码参考

https://github.com/wang-404/tensorflowStudy/tree/main/image

准备模型开发环境

在这里插入图片描述

生成验证码数据集

在这里插入图片描述

#引入第三方包
from captcha.image import ImageCaptcha
import random
import numpy as np
import tensorflow.gfile as gfile
import matplotlib.pyplot as plt
import PIL.Image as Image
#定义常量和字符集
NUMBER = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
LOWERCASE = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u',
            'v', 'w', 'x', 'y', 'z']
UPPERCASE = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U',
           'V', 'W', 'X', 'Y', 'Z']

CAPTCHA_CHARSET = NUMBER # 验证码字符集
CAPTCHA_LEN = 4 # 验证码长度
CAPTCHA_HEIGHT = 60 # 验证码高度
CAPTCHA_WIDTH = 160 # 验证码宽度

TRAIN_DATASET_SIZE = 5000 # 验证码数据集大小
TEST_DATASET_SIZE = 1000 # 
TRAIN_DATA_DIR = "./train_data/" # 验证码数据集目录
TEST_DATA_DIR = "./test_data/"
# 生成随机字符的方法
def gen_random_text(charset=CAPTCHA_CHARSET,length = CAPTCHA_LEN):
    text = [random.choice(charset) for _ in range(length)]
    return ''.join(text)
# 创建并保存验证码数据集的方法
def create_captcha_dataset(size = 100,data_dir = './data/',height=60,width=160,image_format='.png'):
    # 如果保存验证码图像，先清空data_dir 目录
    if gfile.Exists(data_dir):
        gfile.DeleteRecursively(data_dir)
    gfile.MakeDirs(data_dir)
    
    # 创建ImageCaptcha 实例 captcha
    captcha = ImageCaptcha(width = width,height= height)
    
    for _ in range(size):
        # 生成随机的验证码字符
        text = gen_random_text(CAPTCHA_CHARSET,CAPTCHA_LEN)
        captcha.write(text,data_dir+text+image_format)
    
    return None    
#创建并保存训练集
create_captcha_dataset(TRAIN_DATASET_SIZE,TRAIN_DATA_DIR)
# 创建并保存测试集
create_captcha_dataset(TEST_DATASET_SIZE,TEST_DATA_DIR)

生成的数据集
在这里插入图片描述

# 生成并返回验证码数据集的方法
def gen_captcha_dataset(size = 100,height=60,width=160,image_format='.png'):
    # 创建ImageCaptcha实例captcha
    captcha = ImageCaptcha(width=width,height=height)
    
    #创建图像和文本数据
    images,texts = [None]*size,[None]*size
    for i in range(size):
        # 生成随机的验证码字符
        texts[i]= gen_random_text(CAPTCHA_CHARSET,CAPTCHA_LEN)
        # 使用PIL。Image.open()识别新生成的验证码图像
        # 然后，将图像转换为形如（CAPTCHA_WIDTH,CAPTCHA_HEIGHT,3）的numpy数组
        images[i] = np.array(Image.open(captcha.generate(texts[i])))
    return images,texts            
#生成100张验证码图像和字符  
images, texts = gen_captcha_dataset()
plt.figure()
for i in range(20):
    plt.subplot(5,4,i+1)#绘制前20个验证码  以5行4列子图形式展示
    plt.tight_layout() # z自动适配子图尺寸
    plt.imshow(images[i])
    plt.title("Label:{}".format(texts[i])) # 设置标签为子图标题
    plt.xticks([]) # 删除x轴标记
    plt.yticks([]) # 删除y轴标记
plt.show()

在这里插入图片描述

输入与输出数据处理

在这里插入图片描述

# 引入第三方包
from PIL import Image
from keras import backend as K
import random
import glob
import numpy as npa
import tensorflow.gfile as gfile
import matplotlib.pyplot as plt
# 定义超参数和字符集
NUMBER = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
LOWERCASE = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j', 'k', 'l', 'm', 'n', 'o', 'p', 'q', 'r', 's', 't', 'u',
            'v', 'w', 'x', 'y', 'z']
UPPERCASE = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U',
           'V', 'W', 'X', 'Y', 'Z']

CAPTCHA_CHARSET = NUMBER # 验证码字符集
CAPTCHA_LEN = 4 # 验证码长度
CAPTCHA_HEIGHT = 60 # 验证码高度
CAPTCHA_WIDTH = 160 # 验证码宽度

TRAIN_DATA_DIR = "./train_data/" # 验证码数据集目录
# 读取训练集前100张图片，并通过文件名解析验证码（标签）
image = []
text = []
count = 0
for filname in glob.glob(TRAIN_DATA_DIR+'*.png'):
    image.append(np.array(Image.open(filname)))
    text.append(filname.lstrip(TRAIN_DATA_DIR).rstrip('.png'))
    count +=1
    if count >= 100:
        break
# 数据可视化
plt.figure()
for i in range(20):
    plt.subplot(5,4,i+1) # 绘制前20个验证码，以5行4列形式展示
    plt.tight_layout() # z自动适配子图尺寸
    plt.imshow(image[i])
    plt.title("Label:{}".format(text[i])) # 设置标签为子图标题
    plt.xticks([]) # 删除x轴标记
    plt.yticks([]) # 删除y轴标记
plt.show()
image = np.array(image,dtype=np.float32)
print(image.shape)
# 将RGB验证码图像转为灰度图
def rgb2gray(img):
    # Y' = 0.299 R + 0.587 G + 0.114 B 
    # https://en.wikipedia.org/wiki/Grayscale#Converting_color_to_grayscale
    return np.dot(img[...,:3], [0.299, 0.587, 0.114])
image = rgb2gray(image)
print(image.shape)
plt.figure()
for i in range(20):
    plt.subplot(5,4,i+1) # 绘制前20个验证码，以5行4列形式展示
    plt.tight_layout() # z自动适配子图尺寸
    plt.imshow(image[i],cmap='Greys')
    plt.title("Label:{}".format(text[i])) # 设置标签为子图标题
    plt.xticks([]) # 删除x轴标记
    plt.yticks([]) # 删除y轴标记
plt.show()
# 数据规范化
image = image / 255
image[0]
# 适配keras图像数据格式
def fit_keras_channels(batch,rows = CAPTCHA_HEIGHT,cols = CAPTCHA_WIDTH):
    if K.image_data_format() == 'channels_first':
        batch = batch.reshape(batch.shape[0],1,rows,cols)
        input_shape = (1,rows,cols)
    else:
        batch = batch.reshape(batch.shape[0],rows,cols,1)
        input_shape = (rows,cols,1)
    return batch,input_shape
image,input_shape = fit_keras_channels(image)
print(image.shape)
print(input_shape)
# 对验证码中每个字符进行one-hot编码
def text2vec(text, length=CAPTCHA_LEN, charset=CAPTCHA_CHARSET):
    text_len = len(text)
    # 验证码长度校验
    if text_len != length:
        raise ValueError('Error: length of captcha should be {}, but got {}'.format(length, text_len))
    
    # 生成一个形如（CAPTCHA_LEN*CAPTHA_CHARSET,) 的一维向量
    # 例如，4个纯数字的验证码生成形如(4*10,)的一维向量
    vec = np.zeros(length * len(charset))
    for i in range(length):
        # One-hot 编码验证码中的每个数字
        # 每个字符的热码 = 索引 + 偏移量
        vec[charset.index(text[i]) + i*len(charset)] = 1
    return vec
text = list(text)
for i in range(len(text)):
    text[i]=text[i][1:5]
vec = [None]*len(text)
for i in range(len(vec)):
    vec[i] = text2vec(text[i])
vec[0]
text[0]
# 将验证码向量解码为对应字符
def vec2text(vector):
    if not isinstance(vector,np.ndarray):
        vector = np.asarray(vector)
    vector = np.reshape(vector,[CAPTCHA_LEN,-1])
    text = ''
    for item in vector:
        text += CAPTCHA_CHARSET[np.argmax(item)]
    return text
# 模型对 ‘3935’ 验证码推理的输出值
yy_vec = np.array([[2.0792404e-10, 4.3756086e-07, 3.1140310e-10, 9.9823320e-01,
                    5.1135743e-15, 3.7417038e-05, 1.0556480e-08, 9.0933657e-13,
                    2.7573466e-07, 1.7286760e-03, 1.1030550e-07, 1.1852034e-07,
                    7.9457263e-10, 3.4533365e-09, 6.6065012e-14, 2.8996323e-05,
                    7.6345885e-13, 3.1817032e-16, 3.9540555e-05, 9.9993122e-01,
                    5.3814397e-13, 1.2061575e-10, 1.6408040e-03, 9.9833637e-01,
                    6.5149628e-08, 5.2246549e-12, 1.1365444e-08, 9.5700288e-12,
                    2.2725430e-05, 5.2195204e-10, 3.2457771e-13, 2.1413280e-07,
                    7.3547295e-14, 4.4094882e-06, 3.8390007e-07, 9.9230206e-01,
                    6.4467136e-03, 3.9224533e-11, 1.2461344e-03, 1.1253484e-07]],
                  dtype=np.float32)
yy = vec2text(yy_vec)
img = rgb2gray(np.array(Image.open('3935.png')))
plt.figure()
plt.imshow(img,cmap="Greys")
plt.title("Label:{}".format(yy))  # 设置标签为图标题
plt.xticks([]) # 删除x轴标记
plt.yticks([]) # 删除y轴标记
plt.show()

模型结构设计

在这里插入图片描述

模型损失函数设计

在这里插入图片描述

模型训练过程分析

在这里插入图片描述

模型部署与效果演示

在这里插入图片描述

小王快学习

关注

0
点赞
踩
17

收藏

觉得还不错? 一键收藏
0
评论
tensorflow验证码识别

目录准备模型开发环境生成验证码数据集输入与输出数据处理模型结构设计模型损失函数设计模型训练过程分析模型部署与效果演示准备模型开发环境生成验证码数据集#引入第三方包from captcha.image import ImageCaptchaimport randomimport numpy as npimport tensorflow.gfile as gfileimport matplotlib.pyplot as pltimport PIL.Image as Image
复制链接

扫一扫

专栏目录