基于机器学习(TensorFlow)的复杂验证码识别1
需积分: 0 38 浏览量
2022-08-03
13:56:14
上传
评论
收藏 6.94MB PDF 举报
0x01，深度学习框架及numpy介绍
tensorflow (Google开源的深度学习框架，常于语识别，图像识别之类）
其他深度学习框架（mxnet,caffe,torch,theano）
numpy （Python的种开源的数值计算扩展，存储和处型矩阵）
0x02, 验证码识别的过程
运机学习算法时，如果解实现原，先套接先实现功能，识别算法是通的。般
处同验证码，有同的处策。
分类算法举：
01，knn (k点邻近算法）
02，svm（持向机，分复杂）
...
SVM算法相较KNN算法来说，原上要复杂复杂的多，SVM算法基本思想是把数据转化为
点，通过把点映射到n维空间上，通过n-1维的超平切割，找到最佳切割超平，通过判断点
在超平的哪边，来判断点属于哪类字符。
监督性学习（即已知数据以及其对应的输出，去训练得到个最优模型）
监督学习（典型的就是聚类，聚类的的在于把相似的东聚在起，我们并关
这类是么。因此，个聚类算法通常只需要知道如何计算相似度就可以开始作。）
训练:
卷积层
卷积层，即特征提取层，是卷积神经络最重要的部分。卷积层需要训练的参数是系的过
滤，这些过滤的致，通常都是正形。
池化层
卷积层的下层是池化层，卷积层的输出会经过激活函数（如ReLU）激活后，进池化层。池
化层的作是将卷积层输出的维数进步降低，以此来减少参数的数和计算。
全连接层
在最后层（般是1~3层）会采全连接的式去学习多的信息。注意，全连接层的最后
层就是输出层；除最后层，其它的全连接层都包含激活函数。
卷积解：
池化：
全连接：
选择0-9纯数字，CNN络4*10个输出，学习时间：70分钟，模型准确率：99%
如果是数字+字写+字，CNN络4*62个输出，达到定准确率可能需要数天时间
0x03,项演示
识别过程：
0x04:总结
简单验证码可以通过开源的ocr库就可以识别
如之前的js端识别以及python服务端识别扭曲扰性的验证码
复杂验证码，通过CNN识别需要的数据集，如果我们知道相应成算法，可以节约
很多时间
相关资：
https://blog.csdn.net/qq_30159351/article/details/52641644
http://www.jeyzhang.com/tensorflow-learning-notes-2.html
https://www.jianshu.com/p/606a33ba04ff
http://blog.csdn.net/xukaiwen_2016/article/details/70880694
https://zhuanlan.zhihu.com/p/26078299
http://tensorfly.cn/tfdoc/tutorials/mnist_beginners.html
https://www.jianshu.com/p/2186766b69dc
http://www.tensorfly.cn/tfdoc/tutorials/mnist_beginners.html
评论0