用“活著的”CNN進行驗證碼識別
1 驗證碼介紹
驗證碼( CAPTCHA )是一種區分使用者是計算機或人的公共全自動程式。在 CAPTCHA 測試中，作為伺服器的計算機會自動生成一個問題由使用者來解答。這個問題可以由計算機生成並評判，但是必須只有人類才能解答。由於計算機無法解答 CAPTCHA 的問題，所以回答出問題的使用者就可以被認為是人類。
2 CNN 驗證碼識別介紹
傳統的方法是通過兩個不相關的步驟來進行文字識別：1）將圖片中的文字的位置進行定位，然後通過“小框”來切分，將圖片中的文字剪下下來 2）再進行識別。但是在現今的驗證碼識別中，當要識別的圖片中的文字變成手寫體互相重疊，這種“切分”法就難以排上用場。因此卷積神經網路（CNN）就被用來識別這些無從下手的手寫體。這種CNN 是通過一個或多個卷積層和頂端的全連通層（對應經典的神經網路）組成來對影象識別。CNN 訓練模型需要大量的人工標註的圖片來訓練，但是本文方法就是自主產生隨機的字元併產生相應的圖片來在執行過程中調整引數。 本文關注具有 4 個字元的的驗證碼圖片。每個字元在輸出層被表現為 62 個神經元。我們可以假設一個對映函式
來對應
即:
將前 62 個神經元分配給序列中的第一個字元，第二批 62 個神經元分配給序列中的第二個字元。因此，對於字元xi
所對應的神經元的索引為
輸出層一共有 4*62=128 個。如果第一個預測字元的索引為 c0=52，因此可以反推預測的字元為
3 實現步驟
1 驗證碼生成
1 驗證碼中的字元
number = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
ALPHABET = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I' 2 生成驗證碼的字元
# char_set=number + alphabet + ALPHABET,
char_set=gen_char_set,
# char_set=number,
captcha_size=4):
"""
生成隨機字串，4位
:param char_set:
:param captcha_size:
:return:
"""
captcha_text = []
for i in range(captcha_size):
c = random.choice(char_set)
captcha_text.append(c)
return captcha_text
複製程式碼3 按照字元生成對應的驗證碼
def gen_captcha_text_and_image():
"""
生成字元對應的驗證碼
:return:
"""
image = ImageCaptcha()
captcha_text = random_captcha_text()
captcha_text = ''.join(captcha_text)
captcha = image.generate(captcha_text)
captcha_image = Image.open(captcha)
captcha_image = np.array(captcha_image)
return captcha_text, captcha_image
複製程式碼4 訓練
def crack_captcha_cnn(w_alpha=0.01, b_alpha=0.1):
"""1
定義CNN
cnn在影象大小是2的倍數時效能最高, 如果你用的影象大小不是2的倍數，可以在影象邊緣補無用畫素。
np.pad(image,((2,3),(2,2)), 'constant', constant_values=(255,)) # 在影象上補2行，下補3行，左補2行，右補2行
"""
x = tf.reshape(X, shape=[-1, IMAGE_HEIGHT, IMAGE_WIDTH, 1])
# w_c1_alpha = np.sqrt(2.0/(IMAGE_HEIGHT*IMAGE_WIDTH)) #
# w_c2_alpha = np.sqrt(2.0/(3*3*32))
# w_c3_alpha = np.sqrt(2.0/(3*3*64))
# w_d1_alpha = np.sqrt(2.0/(8*32*64))
# out_alpha = np.sqrt(2.0/1024)
# 3 conv layer
w_c1 = tf.Variable(w_alpha * tf.random_normal([3, 3, 1, 32]))
b_c1 = tf.Variable(b_alpha * tf.random_normal([32]))
conv1 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(x, w_c1, strides=[1, 1, 1, 1], padding='SAME'), b_c1))
conv1 = tf.nn.max_pool(conv1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
conv1 = tf.nn.dropout(conv1, keep_prob)
w_c2 = tf.Variable(w_alpha * tf.random_normal([3, 3, 32, 64]))
b_c2 = tf.Variable(b_alpha * tf.random_normal([64]))
conv2 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv1, w_c2, strides=[1, 1, 1, 1], padding='SAME'), b_c2))
conv2 = tf.nn.max_pool(conv2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
conv2 = tf.nn.dropout(conv2, keep_prob)
w_c3 = tf.Variable(w_alpha * tf.random_normal([3, 3, 64, 64]))
b_c3 = tf.Variable(b_alpha * tf.random_normal([64]))
conv3 = tf.nn.relu(tf.nn.bias_add(tf.nn.conv2d(conv2, w_c3, strides=[1, 1, 1, 1], padding='SAME'), b_c3))
conv3 = tf.nn.max_pool(conv3, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
conv3 = tf.nn.dropout(conv3, keep_prob)
# Fully connected layer
w_d = tf.Variable(w_alpha * tf.random_normal([8 * 20 * 64, 1024]))
b_d = tf.Variable(b_alpha * tf.random_normal([1024]))
dense = tf.reshape(conv3, [-1, w_d.get_shape().as_list()[0]])
dense = tf.nn.relu(tf.add(tf.matmul(dense, w_d), b_d))
dense = tf.nn.dropout(dense, keep_prob)
w_out = tf.Variable(w_alpha * tf.random_normal([1024, MAX_CAPTCHA * CHAR_SET_LEN]))
b_out = tf.Variable(b_alpha * tf.random_normal([MAX_CAPTCHA * CHAR_SET_LEN]))
out = tf.add(tf.matmul(dense, w_out), b_out) # 36*4
# out = tf.reshape(out, (CHAR_SET_LEN, MAX_CAPTCHA)) # 重新變成4,36的形狀
# out = tf.nn.softmax(out)
return out
複製程式碼由於時間和裝置的限制，我在驗證碼生成字串中刪去了英文字母只剩下了數字進行訓練。要不然可以算到地老天荒也還是3%的準確率。下圖是gen_char_set = number + ALPHABET的訓練1萬多步的結果的訓練截圖
5 總結
本文采用了“活著的 CNN”進行驗證碼識別，可以免去大量進行人工標註的步驟，對工作效率有不小的提升。
文 / JoeCDC
數學愛好者
編 / 熒聲
本文已由作者授權釋出，版權屬於創宇前端。歡迎註明出處轉載本文。本文連結：knownsec-fed.com/2018-09-28-…
想要訂閱更多來自知道創宇開發一線的分享，請搜尋關注我們的微信公眾號：創宇前端（KnownsecFED）。歡迎留言討論，我們會盡可能回覆。
感謝您的閱讀。