卷积神经网络cnn算法：实战cnn卷积神经网络识别验证码 准确率99.5
卷积神经网络cnn算法：实战cnn卷积神经网络识别验证码 准确率99.5cnn模型训练需要有训练集和测试集，这两个数据集，计算机需要知道答案，那么知道答案的数据怎么来？3、只有祭出终极大招了，机器深度学习 卷积神经网络，在入这个坑之前，做了好久好久的心理建设，cnn这么大的坑我爬得出来嘛？经过了一个多星期的学习，跑出了镇楼图的效果，也稳定运行2年时间，可以简单分享一下大致调试过程了。先去网上看看有没有现成的轮子，方法很多，简单的方法能实现，就不用麻烦的。1、先试试谷歌的tesseract、pytesser3，都是一回事，代码极其简洁，两三行就出结果，勉强可以接受吧，规规矩矩的字，识别率还挺高，但稍加变形，结果就驴唇不对马嘴。2、本着一切从简的原则，还是打算依赖pytesser3，给它喂适合的数据，把验证码转灰度图、二值化、滤波降噪、模糊各种手段组合着用，还测试了4位验证码切割成4张小图片，以单字符识别的形式提高它的准确率。不过不论你用什么手段往它身上招呼，识别
- 一、背景介绍
这是一个运行了2年的个人小项目，最近目标网站改为扫码登录，于是公布出来作为技术分享。项目缘起是女神参与的签到活动，坚持了很久，后来嫌麻烦，中途放弃又觉得可惜，问我能不能实现程序自动登录 签到。我打开某网站看了下，python selenium就可以实现，但人家要的是全自动，这就需要把验证码自动识别的难点攻克掉了。懒永远是技术进步的源动力啊，不过我对机器视觉本身也比较感兴趣，那些年小区和单位的门口都是车牌识别了，也想借此机会探究一下这门技术是怎么回事。
先上两张镇楼图，一张是准确率统计，一张是实战截图。其中动图只进行了验证码识别，没有登录操作，仅用于效果展示。本文不会对技术细节及理论原理做太多介绍，只是展示一下听起来高大上的人工智能 机器学习 计算机视觉，个人也有很多场景可以把玩的。如果对这个效果感兴趣，可以接着往下看看：
- 二、分析验证码：
某网站的验证码还是挺复杂的，有四套模版，有的加了干扰线，有的是用点阵构建字母，有的进行的各种扭曲，还渲染上了七彩色。
先去网上看看有没有现成的轮子，方法很多，简单的方法能实现，就不用麻烦的。
1、先试试谷歌的tesseract、pytesser3，都是一回事，代码极其简洁，两三行就出结果，勉强可以接受吧，规规矩矩的字，识别率还挺高，但稍加变形，结果就驴唇不对马嘴。
2、本着一切从简的原则，还是打算依赖pytesser3，给它喂适合的数据，把验证码转灰度图、二值化、滤波降噪、模糊各种手段组合着用，还测试了4位验证码切割成4张小图片，以单字符识别的形式提高它的准确率。不过不论你用什么手段往它身上招呼，识别效果都差得远着呢。
3、只有祭出终极大招了，机器深度学习 卷积神经网络，在入这个坑之前，做了好久好久的心理建设，cnn这么大的坑我爬得出来嘛？经过了一个多星期的学习，跑出了镇楼图的效果，也稳定运行2年时间，可以简单分享一下大致调试过程了。
- 三、开发调试流程
cnn模型训练需要有训练集和测试集，这两个数据集，计算机需要知道答案，那么知道答案的数据怎么来？
1、先写个脚本，采集了200份目标网站的验证码，人工打上标签，把答案作为验证码图片的文件名前4个字符。
2、人肉打标效率太低。花钱打标？不至于吧，自己写个小程序签到玩，还要投资？那就自己生成一批吧。观察目标网站的验证码，扭曲、模糊、加线的手法挺像谷歌开源验证码开发包的，下一个回来，模拟一下。包是java的，在eclipse里略做改动，一顿午饭的时间就生成了50万张带答案的验证码。类似这样，文件名前4个字符就是答案。
3、训练集有了，下面搭建训练和部署环境，基于简便和通用性考虑，这次验证码图片不再切割，整体丢给机器去训练。
- 四、验证效果
到了收获的时候。程序调好，临近下班，把训练集和测试集丢给程序，6W数据CPU要跑一晚上，GPU只用20分钟。我这50W数据，GPU半个晚上也就训练完了。下面是第二天早上，实验环境下的数据，实验环境是指：训练集，测试集，考试集都是用同一套系统生成的。准确率达到97.3%。
那么在实际环境中，效果如何呢？实际环境是指训练集，测试集是通过自己写的代码生成的。而考试集是从目标网站采集回来并人工标识的。
真实环境才85%，有点低了对不对？把错误的地方都找出来查找一下原因：
