README-zhcn.md

介绍

其他语言： English 中文

基于TensorFlow的验证码识别，不需要对图片进行切割，运行环境Ubuntu 16.04，Python 2.7

使用captcha_eval.py评估的准确率为99.7%，训练集大小为50000，20000轮训练，验证码的生成代码见项目：https://github.com/lepture/captcha

使用captcha_eval.py评估的准确率为52.1%，训练集大小为100000，200000轮训练，验证码的生成代码见项目：https://github.com/Gregwar/CaptchaBundle

依赖环境

python 2.7

Anaconda2 4.3.1

https://www.continuum.io/downloads#linux

TensorFlow 1.1

https://github.com/tensorflow/tensorflow

captcha

https://pypi.python.org/pypi/captcha/0.1.1

使用步骤

1.准备验证码图片

将验证码图片分别放在 <工作目录>/data/train_data/ 用于模型训练，<工作目录>/data/valid_data/ 用于模型效果评估， <工作目录>/data/test_data/ 用于验证码识别测试，图片命名样式是 验证码内容_*.jpg 或者 验证码内容_*.png ，图片大小最好为 128x48 . 可以执行默认的验证码生成:

python captcha_gen_default.py

2.将验证码图片转换为tfrecords格式

生成的结果为 <工作目录>/data/train.tfrecord 和 <工作目录>/data/valid.tfrecord ，执行：

python captcha_records.py

3.模型训练

可以在CPU或者一个GPU上进行模型训练，执行：

python captcha_train.py

也可以在多个GPU上进行模型训练，执行：

python captcha_multi_gpu_train.py

4.模型评估

用于评估训练的效果，执行：

python captcha_eval.py

5.验证码识别

训练好模型后，可以对 <工作目录>/data/test_data/ 目录下的原始图片进行识别，执行：

python captcha_recognize.py

结果如下

...
image WFPMX_num552.png recognize ----> 'WFPMX'
image QUDKM_num468.png recognize ----> 'QUDKM'