22、从深度学习视角生成CAPTCHA

从深度学习视角生成CAPTCHA

1. 基于对抗学习的CAPTCHA生成

我们可以通过生成对抗网络（GAN）来创建CAPTCHA，具体是生成类似于街景房屋号码数据集（SVHN数据集）的图像，并将这些GAN生成的图像用作CAPTCHA。这样做的好处是，在训练好GAN后，我们可以轻松地从噪声分布中采样生成图像，避免了使用更复杂的方法创建CAPTCHA，还能为CAPTCHA中使用的SVHN街景号码增添多样性。

SVHN是一个在机器学习和深度学习领域非常受欢迎的真实世界数据集，常用于目标识别算法。该数据集包含从谷歌街景图像中获取的房屋号码真实图像，可从链接 http:/​/​ufldl.​stanford.​edu/ housenumbers/​ 下载。我们将使用调整大小后的房屋号码数据集，图像尺寸调整为(32, 32)，感兴趣的数据集文件是 train_32x32.mat。

在GAN中，有一个生成器（G）和一个判别器（D），它们围绕一个损失函数进行零和极小极大博弈。随着时间的推移，生成器和判别器的性能都会不断提升，直到达到一个稳定点，即损失函数的鞍点，此时两者都无法再进一步优化。对于我们的应用，生成器G会将给定分布P(z)的噪声z转换为房屋号码图像x，即x = G(z)。生成的图像会通过判别器D，判别器会尝试将其识别为假图像，而将SVHN数据集中的真实房屋号码图像识别为真图像。同时，生成器会尝试创建图像x = G(z)，使判别器认为这些图像是真实的。如果将真实图像标记为1，生成器生成的假图像标记为0，那么判别器会作为一个二分类网络，尝试最小化二元交叉熵损失。判别器D最小化的损失可以表示为：

判别器D的损失函数：
[
\min_{D} \left[