Keras实现简单字母加数字类型的验证码识别

最新推荐文章于 2022-01-29 17:00:00 发布

原创

最新推荐文章于 2022-01-29 17:00:00 发布 · 432 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #神经网络 #机器学习 #Keras #python

该博客介绍了如何使用Keras构建一个验证码识别模型。首先，博主提供了数据资料的链接和提取码，接着详细阐述了从数据加载到模型训练、评估、保存和加载的全过程。在模型训练中，达到了100%的训练准确率和90.25%的测试准确率。

文章目录

验证码识别模型数据资料

资料百度云地址
提取码：mbhf

模型搭建过程代码

1. 数据加载及可视化

from matplotlib import pyplot as plt 
import numpy as np
import pandas as pd

#-*- coding: utf-8 -*-
#load the data 
data = pd.read_excel('verifyCode.xls')
data.head()

	序号	图片名	识别结果
0	1	.\img\1.jpg	ojrq
1	2	.\img\2.jpg	neh3
2	3	.\img\3.jpg	6bhh
3	4	.\img\4.jpg	hxfn
4	5	.\img\5.jpg	bfof

#check the data 
X = data.loc[:,"图片名"]
y = data.loc[:,"识别结果"]
X.head()

0    .\img\1.jpg
1    .\img\2.jpg
2    .\img\3.jpg
3    .\img\4.jpg
4    .\img\5.jpg
Name: 图片名, dtype: object

y.head()
X = np.array(X)
y = np.array(y)
print(X.shape,y.shape)

(500,) (500,)

#visualize the original data and split data
from PIL import Image
from keras.preprocessing.image import load_img,img_to_array
fig1 = plt.figure(figsize=(3,2))
img = Image.open(X[60])
img2 = img.convert('L')

#box变量是一个四元组(左，上，右，下)。  
box1=(0,0,15,20)
box2=(15,0,30,20)
box3=(30,0,45,20)
box4=(45,0,60,20)
img_array = img_to_array(img2)
img_crop1 = img.crop(box1)
img_crop2 = img.crop(box2)
img_crop3 = img.crop(box3)
img_crop4 = img.crop(box4)
plt.subplot(231)
plt.imshow(img)
plt.subplot(232)
plt.imshow(img2)
plt.subplot(233)
plt.imshow(img_crop1)
plt.subplot(234)
plt.imshow(img_crop2)
plt.subplot(235)
plt.imshow(img_crop3)
plt.subplot(236)
plt.imshow(img_crop4)

img_array = img_array.reshape(20,60)
print(img_array.shape)

(20, 60)

图片无法显示

2. 构建数据字典

#transform the label 
import string
from keras.utils import to_categorical

letters_list = [chr(i) for i in range(97,123)]
label_dict_digits = {
   
   str(i):i for i in range(10)}
label_dict_letters = {
   
   lt:i+10 for i,lt in enumerate(letters_list)}
# print(label_dict_digits)
# print(label_dict_letters)

#merge tw