摘要：但是在現(xiàn)今的驗(yàn)證碼識別中，當(dāng)要識別的圖片中的文字變成手寫體互相重疊，這種切分法就難以排上用場。下圖是的訓(xùn)練萬多步的結(jié)果的訓(xùn)練截圖總結(jié)本文采用了活著的進(jìn)行驗(yàn)證碼識別，可以免去大量進(jìn)行人工標(biāo)注的步驟，對工作效率有不小的提升。

驗(yàn)證碼( CAPTCHA )是一種區(qū)分用戶是計(jì)算機(jī)或人的公共全自動程序。在 CAPTCHA 測試中，作為服務(wù)器的計(jì)算機(jī)會自動生成一個問題由用戶來解答。這個問題可以由計(jì)算機(jī)生成并評判，但是必須只有人類才能解答。由于計(jì)算機(jī)無法解答 CAPTCHA 的問題，所以回答出問題的用戶就可以被認(rèn)為是人類。

傳統(tǒng)的方法是通過兩個不相關(guān)的步驟來進(jìn)行文字識別：1）將圖片中的文字的位置進(jìn)行定位，然后通過“小框”來切分，將圖片中的文字剪切下來 2）再進(jìn)行識別。但是在現(xiàn)今的驗(yàn)證碼識別中，當(dāng)要識別的圖片中的文字變成手寫體互相重疊，這種“切分”法就難以排上用場。因此卷積神經(jīng)網(wǎng)絡(luò)（CNN）就被用來識別這些無從下手的手寫體。這種CNN 是通過一個或多個卷積層和頂端的全連通層（對應(yīng)經(jīng)典的神經(jīng)網(wǎng)絡(luò)）組成來對圖像識別。CNN 訓(xùn)練模型需要大量的人工標(biāo)注的圖片來訓(xùn)練，但是本文方法就是自主產(chǎn)生隨機(jī)的字符并產(chǎn)生相應(yīng)的圖片來在運(yùn)行過程中調(diào)整參數(shù)。
本文關(guān)注具有 4 個字符的的驗(yàn)證碼圖片。每個字符在輸出層被表現(xiàn)為 62 個神經(jīng)元。我們可以假設(shè)一個映射函數(shù)

即:

將前 62 個神經(jīng)元分配給序列中的第一個字符，第二批 62 個神經(jīng)元分配給序列中的第二個字符。因此，對于字符xi

所對應(yīng)的神經(jīng)元的索引為

輸出層一共有 4*62=128 個。如果第一個預(yù)測字符的索引為 c0=52，因此可以反推預(yù)測的字符為

number = ["0", "1", "2", "3", "4", "5", "6", "7", "8", "9"]
ALPHABET = ["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"]
alphabet = ["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"]

gen_char_set = number + ALPHABET  # 用于生成驗(yàn)證碼的數(shù)據(jù)集

  # char_set=number + alphabet + ALPHABET,
        char_set=gen_char_set,
        # char_set=number,
        captcha_size=4):
    """
    生成隨機(jī)字符串，4位
    :param char_set:
    :param captcha_size:
    :return:
    """
    captcha_text = []
    for i in range(captcha_size):
        c = random.choice(char_set)
        captcha_text.append(c)
    return captcha_text

def gen_captcha_text_and_image():
    """
    生成字符對應(yīng)的驗(yàn)證碼
    :return:
    """
    image = ImageCaptcha()

    captcha_text = random_captcha_text()
    captcha_text = "".join(captcha_text)

    captcha = image.generate(captcha_text)

    captcha_image = Image.open(captcha)
    captcha_image = np.array(captcha_image)
    return captcha_text, captcha_image

def crack_captcha_cnn(w_alpha=0.01, b_alpha=0.1):
    """1
    定義CNN
    cnn在圖像大小是2的倍數(shù)時性能最高, 如果你用的圖像大小不是2的倍數(shù)，可以在圖像邊緣補(bǔ)無用像素。
    np.pad(image,((2,3),(2,2)), "constant", constant_values=(255,))  # 在圖像上補(bǔ)2行，下補(bǔ)3行，左補(bǔ)2行，右補(bǔ)2行
    """

    x = tf.reshape(X, shape=[-1, IMAGE_HEIGHT, IMAGE_WIDTH, 1])

    # w_c1_alpha = np.sqrt(2.0/(IMAGE_HEIGHT*IMAGE_WIDTH)) #
    # w_c2_alpha = np.sqrt(2.0/(3*3*32))
    # w_c3_alpha = np.sqrt(2.0/(3*3*64))
    # w_d1_alpha = np.sqrt(2.0/(8*32*64))
    # out_alpha = np.sqrt(2.0/1024)

    # 3 conv layer
    w_c1 = tf.Variable(w_alpha * tf.random_normal([3, 3, 1, 32]))
    b_c1 = tf.Variable(b_alpha * tf.random_normal([32]))
    conv1 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(x, w_c1, strides=[1, 1, 1, 1], padding="SAME"), b_c1))
    conv1 = tf.nn.max_pool(conv1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding="SAME")
    conv1 = tf.nn.dropout(conv1, keep_prob)

    w_c2 = tf.Variable(w_alpha * tf.random_normal([3, 3, 32, 64]))
    b_c2 = tf.Variable(b_alpha * tf.random_normal([64]))
    conv2 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv1, w_c2, strides=[1, 1, 1, 1], padding="SAME"), b_c2))
    conv2 = tf.nn.max_pool(conv2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding="SAME")
    conv2 = tf.nn.dropout(conv2, keep_prob)

    w_c3 = tf.Variable(w_alpha * tf.random_normal([3, 3, 64, 64]))
    b_c3 = tf.Variable(b_alpha * tf.random_normal([64]))
    conv3 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv2, w_c3, strides=[1, 1, 1, 1], padding="SAME"), b_c3))
    conv3 = tf.nn.max_pool(conv3, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding="SAME")
    conv3 = tf.nn.dropout(conv3, keep_prob)

    # Fully connected layer
    w_d = tf.Variable(w_alpha * tf.random_normal([8 * 20 * 64, 1024]))
    b_d = tf.Variable(b_alpha * tf.random_normal([1024]))
    dense = tf.reshape(conv3, [-1, w_d.get_shape().as_list()[0]])
    dense = tf.nn.relu(tf.add(tf.matmul(dense, w_d), b_d))
    dense = tf.nn.dropout(dense, keep_prob)

    w_out = tf.Variable(w_alpha * tf.random_normal([1024, MAX_CAPTCHA * CHAR_SET_LEN]))
    b_out = tf.Variable(b_alpha * tf.random_normal([MAX_CAPTCHA * CHAR_SET_LEN]))
    out = tf.add(tf.matmul(dense, w_out), b_out)  # 36*4
    # out = tf.reshape(out, (CHAR_SET_LEN, MAX_CAPTCHA))  # 重新變成4,36的形狀
    # out = tf.nn.softmax(out)
    return out

由于時間和設(shè)備的限制，我在驗(yàn)證碼生成字符串中刪去了英文字母只剩下了數(shù)字進(jìn)行訓(xùn)練。要不然可以算到地老天荒也還是3%的準(zhǔn)確率。下圖是gen_char_set = number + ALPHABET的訓(xùn)練1萬多步的結(jié)果的訓(xùn)練截圖

本文采用了“活著的 CNN”進(jìn)行驗(yàn)證碼識別，可以免去大量進(jìn)行人工標(biāo)注的步驟，對工作效率有不小的提升。

文 / JoeCDC
數(shù)學(xué)愛好者
編 / 熒聲

本文已由作者授權(quán)發(fā)布，版權(quán)屬于創(chuàng)宇前端。歡迎注明出處轉(zhuǎn)載本文。本文鏈接：https://knownsec-fed.com/2018...

想要訂閱更多來自知道創(chuàng)宇開發(fā)一線的分享，請搜索關(guān)注我們的微信公眾號：創(chuàng)宇前端（KnownsecFED）。歡迎留言討論，我們會盡可能回復(fù)。

歡迎點(diǎn)贊、收藏、留言評論、轉(zhuǎn)發(fā)分享和打賞支持我們。打賞將被完全轉(zhuǎn)交給文章作者。

感謝您的閱讀。