• 四位验证码CNN识别
• • 1.参考
  • 2.支持
  • 3.简介
  • 4.项目结构
  • 5.结果
  • • 训练60万次时的结果：

四位验证码CNN识别

1.参考

[1] 街道多位数字CNN识别，神经网络架构参考

[2] 关于CNN的详细解释，深度学习入门必备

[3] 验证码生成参考类

2.支持

[1] Python3.6.1 or >=3.5

[2] TensorFlow 1.2

[3] numpy

3.简介

通过训练CNN（卷积神经网络）对4位验证码识别，其中字符有0-9a-zA-Z共计62种，但是预测结果不区分大小写，所以最终预测结果为36种。验证码由多个字体、颜色、干扰线随机生成。

4.项目结构

[1] 整体结构

model.py 整个神经网络结构

code_utils.py 将字符转换为一维数组以及一维数组转换为字符的工具类

image_utils.py 读取图片，处理图片数据的工具类

train.py 主程序类，其中包括参数设置以及整个神经网络训练流程控制

test.py 提取大量的测试label测试神经网络的最终效果

[2] 以下为缺少文件夹：

test-images 所有测试验证码图片在这个文件夹 密码:9g3i

train-images 所有训练验证码图片在这个文件夹 密码:obit

5.结果

以下是对100万张训练验证码进行训练，20万张不参与训练的测试验证码测试出的结果

一般的验证码系统都会去掉类似的字符（例如：i, l, o, 1, 0...），为了更全面的测试，所以我选择将这些难以识别的字符也添加进去测试，可以看出有这些难以辨别的字符时，连人类也很难去完全预测正确（下图，第一行为预测值，第二行为真实值）

训练60万次时的结果：

最终结果： 四个字符同时正确率: 90.02%		单个字符正确率: 97.42%

*说明：本项目仅用于学习，勿用于网络攻击及验证码暴力破解