TensorFlow识别字母扭曲干扰型验证码-开放源码与98%模型

本项目源码及训练完成的模型均开源当前识别率98%。

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:

92757507-9907-40E9-BEA3-E9B840A8A6D1QQ20170315-101521@2x

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:

相关论文

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。

最初cnn学习自: http://blog.topspeedsnail.com/archives/10858

 

成功率(可能波动,均亲身实践):

  1. 达到50%成功率需要2000个批次,总计20w张图片。
  2. 达到70%成功率需要4000个批次,总计40w张图片。
  3. 达到94%成功率需要40000个批次,总计400w张图片。
  4. 达到98%成功率需要100000个批次,总计1000w张图片。

loss曲线为:

wp-image-1500514048jpg

成功率曲线为:

wp-image-1084917627jpg

实践流程:

  1. TensorFlow环境搭建:官网下查看安装教程
  2. 测试批量验证码生成训练集: github
  3. TensorFlow—cnn 批量生成验证码并用cnn训练: github
  4. 将训练模型存放于同一目录下,测试结果:github
  5. 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:

8E11B9B3-498D-4403-BFBD-66519AE710E6

模型训练中:

15C6AD3D-E2F3-4ED8-859F-7378B287DE3F

测试模型:

3D2D2749-18FF-482D-83D1-5FC499E3AFD4

 

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:github

逐步更新TensorFlow系列项目:github

博客主页:https://www.urlteam.org

 

原创文章,转载请注明: 转载自URl-team

本文链接地址: TensorFlow识别字母扭曲干扰型验证码-开放源码与98%模型

发表评论

电子邮件地址不会被公开。