验证码识别CAPTCHA_recognizing
第九届中国大学生服务外包创新创业大赛-A16验证码识别(河海大学-李说啥都对)
本项目抛弃了传(过)统(时)的SVM支持向量机,使用卷积神经网络(Convolutional Neural Networks, CNN)针对所给验证码进行识别,五类验证码的准确率均在95%+,第一类竟达到100%。Let's come to the point!
第一类验证码 First CAPTCHA
第一类验证码为四则运算验证码,包含一个四则运算,验证方法为要求用户输出运算表达式及结果。验证码包含噪点干扰。如图示例:
卷积操作拓扑图如下:
第二类验证码 Second CAPTCHA
第二类验证码为英文字母+数字验证码,包含5个字符,验证方法为要求用户输出验证码中的字符,大小写不限。验证码包含噪点干扰,文字无旋转形变。如图示例:
第三类验证码 Third CA
Mnist-时尚-赋值-PIAIC
Fashion-MNIST是Zalando文章图片的数据集-包含60,000个示例的训练集和10,000个示例的测试集。每个示例都是一个28x28灰度图像,与来自10个类别的标签相关联。 Zalando打算将Fashion-MNIST用作直接替代MNIST原始数据集的基准机器学习算法。它具有相同的图像大小以及训练和测试分割的结构。原始MNIST数据集包含许多手写数字。 AI / ML /数据科学社区的成员喜欢此数据集,并将其用作验证其算法的基准。实际上,MNIST通常是研究人员尝试的第一个数据集。他们说:“如果它在MNIST上不起作用,那么它将根本不起作用”。 “好吧,如果它确实可以在MNIST上运行,那么在其他系统上仍然可能会失败。” Zalando试图替换原始的MNIST数据集内容每个图像的高度为28像素,宽度为28像素,总计784像素。每个像素都