基于CNN的可实际应用的图片验证码识别平台介绍
这是一个图片字符型验证码识别平台；
本文主要：
一、简单介绍图片验证码识别平台；
二、介绍训练模型（识别图片验证码） ：详细介绍从获取验证码原始数据、打标签、特殊处理到训练出模型的过程，解释什么是训练；
三、平台工作原理：介绍平台对图片（验证码）的处理过程；
一、简单介绍图片验证码识别平台：
（1）一个图片验证码识别平台，提供接口，接收base64编码图片，识别，返回结果；
（2）基于卷积神经网络( Convolutional Neural Network, CNN )；
（3）Python语言编写；
（4）基于Tensorflow框架；
（5）运行于Gunicorn服务器；
（6）示意图：
文章图片
解释：图片验证码经base64编码后，发送到验证码识别平台（PCP），平台返回识别结果；
二、训练模型：
1、获取原始数据
即是到目标网站获取足够多需要识别的验证码图片，用于接下来的训练；
文章图片
2、对图片验证码打标签（有监督学习）
对获取到的大量原始验证码图片需要正确标记：每个图片验证码对应的正确字符；标记完后还需要核对，确保正确，否则会非常影响训练的准确性；
这一步最耗费时间和精力；
文章图片
目前打标签的过程：
（1）写一段代码，使用现有的OCR库，对一部分图片（如1000张）进行初次识别；
（2）然后进行人工修改、打标签；
（3）最后人工核对；得到了1000张正确打好标签的验证码图片；
（4）重复（1）~（3）步，如，得到了2000张正确打好标签的验证码图片；——当然，可以一直如此重复，直到得到所需要的图片数量；
（5）另：把此2000张图片进行训练，如准确率能有0.7以上，那么可用此训练的模型识别原始（未打标签）的图片——即是替换（1），OCR的成功率非常低；
（6）得到所需要的打好标签的图片数量，如1万张；
3、进行模型训练
把标记好的图片验证码输入写好的AI程序中，进行训练；
一般要求准确率达到0.98；
对于训练来说，理想的情况是：输入的数据越多（打好标签的图片）、训练的次数越少，如此得到的模型越好，可以用下面的公式表达：
acc = Ax + By
A、B: 权重；x: 图片；y: 次数；acc: 准确率；
上面的1~3步，就是训练模型的一般过程；
存在问题：需要大量的打好标签的图片，耗时费力；
所以，一般采用针对不同的验证码图片进行特殊处理的方法：切割大法；
切割法操作如下（大致思路，因为每个验证码特征不同，处理方法会不同）：
如有验证码图片：
文章图片
同一种验证码，模式都会是固定的，针对上面的验证码可以这样切割：
文章图片
得到：
文章图片
文章图片
然后合成一张图片：
文章图片
最后，训练、识别都是针对：
文章图片
其实，就是将拥有特殊、多字符的验证码图片转为简单、少字符的图片；
如此一来：
只需要训练识别0-9数字；
打标签数量大大减少，300张；
打标签难度也大大减少，仅需要输入数字；
再如，此种验证码：
文章图片
直接切割4个单独字符的图片：
文章图片
文章图片
文章图片
文章图片
然后，训练、识别都是针对单个字符图片进行，难度也大大降低，准确率大大提高；
打标签的数量也大大减少；
一些数据：由于此图片，底色有绝对的干扰，测试中发现，直接训练的话，3000张图片进行训练，准确率也只有区区0.1%；
利用切割方法，只用1000张图片，切割得到4000张单独字符的图片，训练8100次，准确率即可达到0.995；
简单解释一下什么是训练，这是一个数学问题：
先看基本的函数，如：y = 2x + 1，输入x=1，输出y=3；这是已经知道函数对应关系f = 2x + 1；
再看高阶一点的数学，如：已知 y = 2x + 1，y = 3，求x；从输出，反推输入，同样也是知道函数对应关系f = 2x + 1；
再进阶一步，就接触到机器学习了，函数对应关系f ，我们不知道，但是知道了x、y的值（x就是验证码图片、y就是对应的标签），求对应关系f；
如果是简单的，已知函数f的形式，如：y = ax + b；只要两组（x, y）即可求得a、b；从而求得f；
如果是完全不知道函数的形式，那么就需要构造函数，f 可能是 2x + 1、3x + 3、x^2 + 1等等无数种情况；仅有两组（x, y）是无法得出f的；但是如果有大量的（x, y），就能通过“逼近计算”方法，不断调整公式权重，近似求得函数f —— 这就是训练过程；
三、平台工作原理：
简单介绍平台对图片（验证码）的处理过程；
示意图：
文章图片
解释：
图片验证码通过base64编码后，通过提供的API发送到验证码识别平台；
平台获取图片的宽高，然后进入判别器1：根据针对此验证码配置的属性，决定是否要切割图片（若要切割，切割的尺寸是多大）；
如果发现有两种不同的验证码尺寸一样，那么需要进入判别器2：根据图片特征对图片进行分类；
经过判别器1和判别器2，可以确定此图片验证码对应的是哪个训练模型（用于最终的识别）、是否要切割、切割成多大；
最后，把图片切割成预定的大小，选择对应的模型，进行识别，返回结果；
以上就是利用AI识别验证码的简单介绍；
【基于CNN的可实际应用的图片验证码识别平台介绍】完毕；
推荐阅读
- 热闹中的孤独
- JAVA（抽象类与接口的区别&重载与重写&内存泄漏）
- 放屁有这三个特征的，请注意啦！这说明你的身体毒素太多
- 一个人的旅行，三亚
- 布丽吉特，人生绝对的赢家
- 慢慢的美丽
- 尽力
- 一个小故事，我的思考。
- 家乡的那条小河
- 《真与假的困惑》???|《真与假的困惑》??? ——致良知是一种伟大的力量