基于神经网络的swjtu教务网登录验证码识别系统.zip

# 基于神经网络的swjtu教务网登录验证码识别系统  ### 说明 参照[mnielsen](https://github.com/mnielsen)的[教程](http://neuralnetworksanddeeplearning.com/)实现的一个简单BP神经网络，在此向mnielsen表示感谢！ 加入了一些优化措施的分支，在BP和SGD算法的基础上，加入了正则化、参数初始化优化、cross-entropy损失函数 此分支稳定后会merge到master分支 plian分支无优化，更加简单 ### 识别效果 目前，字母分割准确率不高为主要问题，分割错误率大于5% 分割后的单个字母识别正确率能够达到99.5% 综合起来，最终准确率能够超过90% 后期考虑在字母分割阶段加入神经网络识别过程，提高整体正确率 ### 主要源文件 |源文件               |功能               | |:-------------------|:-----------------| |pic_crawler.py |验证码训练数据爬取 | |data_generator.py |生成训练/验证/测试数据 | |preprocessor.py |输入数据预处理 | |data_loader.py |从pickle中加载训练数据| |network.py |BP神经网络 | |dean_login.py |登录测试 | `data`目录下的`swjtu_verif.pkl.gz`为处理好的训练数据，包含200k张训练图片(单个字符)以及验证和测试图片。`network.json`为已经训练好的网络参数，直接使用神经网络识别验证码时会从该文件中加载网络参数。 ### 示例： 1.安装依赖 ```shell git clone git@github.com:wzbazinga/swjtu-verif-code.git cd swjtu-verif-code pip install -r requirements.txt ``` 2.作为api调用 ```python from dean_login import login res,session=login('username','password') #res:登录结果，session:登录成功后获取的requests.Session对象 if res: response=session.get('http://jiaowu.swjtu.edu.cn/student/score/ScoreNew.jsp') print response.text else: print 'oops' ``` 3.准确率测试 ```python from dean_login import benchmark benchmark('username','password') #1000次实际登录测试(单进程，单线程) ``` 4.训练 ```python from data_loader import load_data from network import Network training,validate,test=load_data() #建议将swjtu_verif.pkl.gz解压后使用load_data_raw函数加载数据，否则速度比较慢 net=Network([17*17,20,26]) #也可不带参数，不带参数时网络结构为[17*17,20,26] net.SGD(training,40,50,0.5,2.0,test,test_accuracy=True) #随机梯度下降算法，除training外的参数可不带 ``` 代码目前还很buggy