前言

驗證碼相信大家都遇到過，不勝其煩的一次次輸入錯誤是不是讓你一度崩潰過，今天就教大家如何用黑科技解決驗證碼的問題。

按照國際慣例，在這里先喂自己袋鹽，可視化（tableau）和畢業設計（matlab）的小伙伴，可訂閱以下博主精心整理的三個專欄。

tableau可視化數據分析高級教程

https://blog.csdn.net/wenyusuran/category_9596753.html

MATLAB深入理解高級教程（附源碼）

https://blog.csdn.net/wenyusuran/category_2239265.html

深度學習100例全系列詳細教程

https://blog.csdn.net/wenyusuran/category_9596890.html

在博主的資源中也有各種算法的應用實例源代碼，需要的小伙伴自取喲。

captcha

captcha 是用 python 寫的生成驗證碼的庫，它支持圖片驗證碼和語音驗證碼，我們使用的是它生成圖片驗證碼的功能。

首先我們設置我們的驗證碼格式為數字加大寫字母，生成一串驗證碼試試看：

數據生成器

訓練模型的時候，我們可以選擇兩種方式來生成我們的訓練數據，一種是一次性生成幾萬張圖，然后開始訓練，一種是定義一個數據生成器，然后利用 fit_generator 函數來訓練。

第一種方式的好處是訓練的時候顯卡利用率高，如果你需要經常調參，可以一次生成，多次使用；第二種方式的好處是你不需要生成大量數據，訓練過程中可以利用 CPU 生成數據，而且還有一個好處是你可以無限生成數據。

我們的數據格式如下：

X

X 的形狀是 (batch_size, height, width, 3)，比如一批生成32個樣本，圖片寬度為170，高度為80，那么形狀就是 (32, 80, 170, 3)，取第一張圖就是 X[0]。

y

y 的形狀是四個 (batch_size, n_class)，如果轉換成 numpy 的格式，則是 (n_len, batch_size, n_class)，比如一批生成32個樣本，驗證碼的字符有36種，長度是4位，那么它的形狀就是4個 (32, 36)，也可以說是 (4, 32, 36)，解碼函數在下個代碼塊。

上面就是一個可以無限生成數據的例子，我們將使用這個生成器來訓練我們的模型。

使用生成器

生成器的使用方法很簡單，只需要用 next 函數即可。下面是一個例子，生成32個數據，然后顯示第一個數據。當然，在這里我們還對生成的 One-Hot 編碼后的數據進行了解碼，首先將它轉為 numpy 數組，然后取36個字符中最大的數字的位置，因為神經網絡會輸出36個字符的概率，然后將概率最大的四個字符的編號轉換為字符串。

構建深度卷積神經網絡

模型結構很簡單，特征提取部分使用的是兩個卷積，一個池化的結構，這個結構是學的 VGG16 的結構。之后我們將它 Flatten，然后添加 Dropout ，盡量避免過擬合問題，最后連接四個分類器，每個分類器是36個神經元，輸出36個字符的概率。

模型可視化

得益于 Keras 自帶的可視化，我們可以使用幾句代碼來可視化模型的結構：

這里需要使用 pydot 這個庫，以及 graphviz 這個庫，在 macOS 系統上安裝方法如下：

brew install graphviz pip install pydot-ng

我們可以看到最后一層卷積層輸出的形狀是 (1, 6, 256)，已經不能再加卷積層了。

訓練模型

訓練模型反而是所有步驟里面最簡單的一個，直接使用 model.fit_generator 即可，這里的驗證集使用了同樣的生成器，由于數據是通過生成器隨機生成的，所以我們不用考慮數據是否會重復。注意，這段代碼在筆記本上可能要耗費一下午時間。如果你想讓模型預測得更準確，可以將 nb_epoch改為 10 或者 20，但它也將耗費成倍的時間。注意我們這里使用了一個小技巧，添加 nb_worker=2 參數讓 Keras 自動實現多進程生成數據，擺脫 python 單線程效率低的缺點。如果不添加，耗時120秒，添加則只需80秒。

測試模型

當我們訓練完成以后，可以識別一個驗證碼試試看：

計算模型總體準確率

模型在訓練的時候只會顯示第幾個字符的準確率，為了統計模型的總體準確率，我們可以寫下面的函數：

這里用到了一個庫叫做 tqdm，它是一個進度條的庫，為的是能夠實時反饋進度。然后我們通過一些 numpy 計算去統計我們的準確率，這里計算規則是只要有一個錯，那么就不算它對。經過計算，我們的模型的總體準確率在經過五代訓練就可以達到 90%，繼續訓練還可以達到更高的準確率。

模型總結

模型的大小是16MB，在我的筆記本上跑1000張驗證碼需要用20秒，當然，顯卡會更快。對于驗證碼識別的問題來說，哪怕是10%的準確率也已經稱得上破解，畢竟假設100%識別率破解要一個小時，那么10%的識別率也只用十個小時，還算等得起，而我們的識別率有90%，已經可以稱得上完全破解了這類驗證碼。

改進

對于這種按順序書寫的文字，我們還有一種方法可以使用，那就是循環神經網絡來識別序列。下面我們來了解一下如何使用循環神經網絡來識別這類驗證碼。

CTC Loss

這個 loss 是一個特別神奇的 loss，它可以在只知道序列的順序，不知道具體位置的情況下，讓模型收斂。在這方面百度似乎做得很不錯，利用它來識別音頻信號。（warp-ctc）

那么在 Keras 里面，CTC Loss 已經內置了，我們直接定義這樣一個函數，即可實現 CTC Loss，由于我們使用的是循環神經網絡，所以默認丟掉前面兩個輸出，因為它們通常無意義，且會影響模型的輸出。

• y_pred 是模型的輸出，是按順序輸出的37個字符的概率，因為我們這里用到了循環神經網絡，所以需要一個空白字符的概念；

• labels 是驗證碼，是四個數字；

• input_length 表示 y_pred 的長度，我們這里是15；

• label_length 表示 labels 的長度，我們這里是4。

模型結構

我們的模型結構是這樣設計的，首先通過卷積神經網絡去識別特征，然后經過一個全連接降維，再按水平順序輸入到一種特殊的循環神經網絡，叫 GRU，它具有一些特殊的性質，為什么用 GRU 而不用 LSTM 呢？總的來說就是它的效果比 LSTM 好，所以我們用它。

模型可視化

可視化的代碼同上，這里只貼圖。

可以看到模型比上一個模型復雜了許多，但實際上只是因為輸入比較多，所以它顯得很大。還有一個值得注意的地方，我們的圖片在輸入的時候是經過了旋轉的，這是因為我們希望以水平方向輸入，而圖片在 numpy 里默認是這樣的形狀：(height, width, 3)，因此我們使用了 transpose 函數將圖片轉為了(width, height, 3)的格式，然后經過各種卷積和降維，變成了 (17, 32)，這里的每個長度為32的向量都代表一個豎條的圖片的特征，從左到右，一共有17條。然后我們兵分兩路，一路從左到右輸入到 GRU，一路從右到左輸入到 GRU，然后將他們輸出的結果加起來。再兵分兩路，還是一路正方向，一路反方向，只不過第二次我們直接將它們的輸出連起來，然后經過一個全連接，輸出每個字符的概率。

數據生成器

評估模型

我們會通過這個函數來評估我們的模型，和上面的評估標準一樣，只有全部正確，我們才算預測正確，中間有個坑，就是模型最開始訓練的時候，并不一定會輸出四個字符，所以我們如果遇到所有的字符都不到四個的時候，就不計算了，相當于加0，遇到多于4個字符的時候，只取前四個。

評估回調

因為 Keras 沒有針對這種輸出計算準確率的選項，因此我們需要自定義一個回調函數，它會在每一代訓練完成的時候計算模型的準確率。

訓練模型

由于 CTC Loss 收斂很慢，所以我們需要設置比較大的代數，這里我們設置了100代，然后添加了一個早期停止的回調和我們上面定義的回調，但是第一次訓練只訓練37代就停了，測試準確率才95%，我又在這個基礎上繼續訓練了一次，停在了25代，得到了98%的準確率，所以一共訓練了62代。

測試模型

這次隨機出來的驗證碼很厲害，是O0OP，不過更厲害的是模型認出來了。

有趣的問題

我又用之前的模型做了個測試，對于 O0O0 這樣喪心病狂的驗證碼，模型偶爾也能正確識別，這讓我非常驚訝，它是真的能識別 O 與 0 的差別呢，還是猜出來的呢？這很難說。

總結

模型的大小是4.7MB，在我的筆記本上跑1000張驗證碼需要用14秒，平均一秒識別71張，估計可以拼過網速。至于深度學習到底能不能識別雙胞胎，相信各位已經有了答案。

喜歡博主的小伙伴，請一鍵三連喲。

總結

以上是生活随笔為你收集整理的黑科技教你一招如何解除 生活中烦人的验证码问题的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。