基于CNN神经网络实现的正方教务系统的验证码识别.zip

# CaptchaReconition-CNN ### Base on * __CNN__ * __tensorflow__ * __python 3.5__ # 基于卷积神经网络的验证码识别 ## 说明 * 由于本程序使用模拟方式生成验证码数据集，最终所得预测准确率不会很高（取决于验证码的模拟程度）。 * 本项目的模型识别准确率大概能达到``80%``。 * 本项目例子训练总用时不到一个小时。(GPU - GT940M) ## 目标验证码    ## 项目包含 * __``/model/*``__ : 经过训练的模型，其中包含两个模型。 * __``/dataset/*``__ : 训练集存放目录。 * __``arialbd.ttf``__ : 模拟训练集所用字体。 * __``target-captcha.gif``__ : 目标验证码。 * __``generate_dataset.py``__ : 生成模拟验证码训练集，并转存到TFRecord。 * __``img_process.py``__ : 简单图像处理函数。 * __``batching.py``__ : batch数据并输出作为训练数据。 * __``train.py``__ : 训练和增强训练的操作。 * __``inference.py``__ : 卷积神经网络的结构。 * __``constant.py``__ : 共用常量（方便调整）。 ## 安装模块 * __``tensorflow``__ : pip install tensorflow * __``matplotlib``__ : pip install matplotlib * __``numpy``__ : pip install numpy * __``PIL``__ : pip install pillow * __``wheezy``__ : pip install wheezy.captcha ## 关于模块wheezy.captcha.image的修改 > 为了实现更准确的功能，而对``wheezy.captcha.image``模块的``text``函数进行了简单的修改 ### 修改一： ```python def text(fonts, font_sizes=None, drawings=None, color='#5C87B2', squeeze_factor=0.8): ``` 改成 ```python def text(fonts, font_sizes=None, drawings=None, color='#5C87B2', squeeze_factor=0.8, start_x=0, start_y=0): ``` ### 修改二： ```python offset = int((width - sum(int(i.size[0] * squeeze_factor) for i in char_images[:-1]) - char_images[-1].size[0]) / 2) for char_image in char_images: c_width, c_height = char_image.size mask = char_image.convert('L').point(lambda i: i * 1.97) image.paste(char_image, (offset, int((height - c_height) / 2)), mask) ``` 改成 ```python offset = start_x + random.randint(0, 15) # offset = int((width - sum(int(i.size[0] * squeeze_factor) # for i in char_images[:-1]) - # char_images[-1].size[0]) / 2) offset_y = start_x + random.randint(0, 8) for char_image in char_images: c_width, c_height = char_image.size mask = char_image.convert('L').point(lambda i: i * 1.97) image.paste(char_image, (offset, offset_y), mask) ``` ## 引用项目 无 ## 建议 ### 如需进一步提高识别率，切合目标验证码，可通过一下方式实现。 1. 人工标记一定数量的训练集，然后再稍稍提高学习率进行训练（不要训练过猛，避免过拟合）。 2. 适当增加神经网路的复杂度，并适当修改验证码生成参数。 ## LICENSE Apache-2.0