验证码识别原理分析
验证码是去识别像素，所以在神经网络里面不用分割，一般就是进行整体识别。
这个就是一个简单的图片：
里面有四个目标值：‘nzpp’
四个目标值，假设都是大写，那么每个位置就有26种可能性，就判定每一个目标值在26中可能性里面概率最大的那一个进行输出。
然后进行交叉熵损失计算。
某个样本 s=-(y_true*log(y_predict))
softmax进行比较
验证码识别程序以及图片数据处理
1.处理数据 图片文件 标签文件
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
FLAGS = tf.app.flags.FLAGS
tf.app.flags.DEFINE_string("tfrecords_dir", "./tfrecords/captcha.tfrecords", "验证码tfrecords文件")
tf.app.flags.DEFINE_string("captcha_dir", "../data/Genpics/", "验证码图片路径")
tf.app.flags.DEFINE_string("letter", "ABCDEFGHIJKLMNOPQRSTUVWXYZ", "验证码字符的种类")
def dealwithlabel(label_str):
# 构建字符索引 {0：'A', 1:'B'......}
num_letter = dict(enumerate(list(FLAGS.letter)))
# 键值对反转 {'A':0, 'B':1......}
letter_num = dict(zip(num_letter.values(), num_letter.keys()))
print(letter_num)
# 构建标签的列表
array = []
# 给标签数据进行处理[[b"NZPP"]......]
for string in label_str:
letter_list = []# [1,2,3,4]
# 修改编码，b'FVQJ'到字符串，并且循环找到每张验证码的字符对应的数字标记
for letter in string.decode('utf-8'):
letter_list.append(letter_num[letter])
array.append(letter_list)
# [[13, 25, 15, 15], [22, 10, 7, 10], [22, 15, 18, 9], [16, 6, 13, 10], [1, 0, 8, 17], [0, 9, 24, 14].....]
print(array)
# 将array转换成tensor类型
label = tf.constant(array)
return label
def get_captcha_image():
"""
获取验证码图片数据
:param file_list: 路径+文件名列表
:return: image
"""
# 构造文件名
filename = []
for i in range(6000):
string = str(i) + ".jpg"
filename.append(string)
# 构造路径+文件
file_list = [os.path.join(FLAGS.captcha_dir, file) for file in filename]
# 构造文件队列
file_queue = tf.train.string_input_producer(file_list, shuffle=False)
# 构造阅读器
reader = tf.WholeFileReader()
# 读取图片数据内容
key, value = reader.read(file_queue)
# 解码图片数据
image = tf.image.decode_jpeg(value)
image.set_shape([20, 80, 3])
# 批处理数据 [6000, 20, 80, 3]
image_batch = tf.train.batch([image], batch_size=6000, num_threads=1, capacity=6000)
return image_batch
def get_captcha_label():
"""
读取验证码图片标签数据
:return: label
"""
file_queue = tf.train.string_input_producer(["../data/Genpics/labels.csv"], shuffle=False)
reader = tf.TextLineReader()
key, value = reader.read(file_queue)
records = [[1], ["None"]]
number, label = tf.decode_csv(value, record_defaults=records)
# [["NZPP"], ["WKHK"], ["ASDY"]]
label_batch = tf.train.batch([label], batch_size=6000, num_threads=1, capacity=6000)
return label_batch
def write_to_tfrecords(image_batch, label_batch):
"""
将图片内容和标签写入到tfrecords文件当中
:param image_batch: 特征值
:param label_batch: 标签纸
:return: None
"""
# 转换类型
label_batch = tf.cast(label_batch, tf.uint8)
print(label_batch)
# 建立TFRecords 存储器
writer = tf.python_io.TFRecordWriter(FLAGS.tfrecords_dir)
# 循环将每一个图片上的数据构造example协议块，序列化后写入
for i in range(6000):
# 取出第i个图片数据，转换相应类型,图片的特征值要转换成字符串形式
image_string = image_batch[i].eval().tostring()
# 标签值，转换成整型
label_string = label_batch[i].eval().tostring()
# 构造协议块
example = tf.train.Example(features=tf.train.Features(feature={
"image": tf.train.Feature(bytes_list=tf.train.BytesList(value=[image_string])),
"label": tf.train.Feature(bytes_list=tf.train.BytesList(value=[label_string]))
}))
writer.write(example.SerializeToString())
# 关闭文件
writer.close()
return None
if __name__ == "__main__":
# 获取验证码文件当中的图片
image_batch = get_captcha_image()
# 获取验证码文件当中的标签数据
label = get_captcha_label()
print(image_batch, label)
with tf.Session() as sess:
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(sess=sess, coord=coord)
# [b'NZPP' b'WKHK' b'WPSJ' ..., b'FVQJ' b'BQYA' b'BCHR']
label_str = sess.run(label)
print(label_str)
# 处理字符串标签到数字张量
label_batch = dealwithlabel(label_str)
print(label_batch)
# 将图片数据和内容写入到tfrecords文件当中
write_to_tfrecords(image_batch, label_batch)
coord.request_stop()
coord.join(threads)
2.识别验证码
1.准备数据：tfrecords读取，每一张image，label
2.建立模型：直接读取数据输入到模型当中
3.建立损失，softmax，交叉熵损失
4.梯度下降优化
import tensorflow as tf
FLAGS=tf.app.flags.FLAGS
tf.app.flags.DEFINE_string('captcha_dir','./tfrecords/captcha.tfrecords',"验证码数据的路径")
tf.app.flags.DEFINE_integer('batch_size',100,"每批次训练的样本数")
tf.app.flags.DEFINE_integer('letter_num',26,"每个目标值取的可能性的个数")
tf.app.flags.DEFINE_integer('label_num',4,"每个样本的目标值数量")
def weight_variables(shape):
w=tf.Variable(tf.random_normal(shape=shape,mean=0.0,stddev=1.0))
return w
#定义一个初始化偏置的函数
def bias_variables(shape):
b=tf.Variable(tf.constant(0.0,shape=shape))
return b
def read_and_decode():
"""
读取数据API
:return: image_batch,label_batch
"""
#1.构架文件队列
file_queue=tf.train.string_input_producer([FLAGS.captcha_dir])
#2.构建阅读器，读取文本内容，默认一个样本
reader=tf.TFRecordReader()
#读取内容
key,value=reader.read(file_queue)
#tfrecords格式example，需要解析
features=tf.parse_single_example(value,features={
"image":tf.FixedLenFeature([],tf.string),
"label":tf.FixedLenFeature([],tf.string)
})
#解码内容，字符串,针对二进制文件
#1.先解析图片的特征值
image=tf.decode_raw(features['image'],tf.uint8)
#2.先解析图片的目标值
label=tf.decode_raw(features['label'],tf.uint8)
# print(image,label)
#改变形状
image_reshape=tf.reshape(image,[20,80,3])
label_reshape=tf.reshape(label,[4])
# print(image_reshape,label_reshape)
#进行批处理,每批次读取的样本数
image_batch,label_batch=tf.train.batch([image_reshape,label_reshape],batch_size=FLAGS.batch_size,num_threads=1,capacity=FLAGS.batch_size)
print(image_batch,label_batch)
return image_batch,label_batch
def fc_model(image):
"""
进行预测结果
:param image: 100张图片特征值
:return: y_predict预测值[100,4*26]
"""
with tf.variable_scope("model"):
#将图片数据形状转换成二维的形状
image_reshape=tf.reshape(image,[-1,20*80*3])
#1.随机初始化权重偏置
# matrix[100,20,80,3]*[20*80*3,4*26]+[104]=[100,4*26]
weights=weight_variables([20*80*3,4*26])
bias=bias_variables([4*26])
#进行全连接层计算[100,4*26]
y_predict=tf.matmul(tf.cast(image_reshape,tf.float32),weights)+bias
return y_predict
def predict_to_onehot(label):
"""
将读取文件中的目标值转换为onehot编码
:return:
"""
#进行onehot编码转换，进行交叉熵损失计算，和准确率计算
label_onehot=tf.one_hot(label,depth=FLAGS.letter_num,on_value=1,axis=2)
print(label_onehot)
return label_onehot
def captcharec():
"""
验证码识别程序
:return:
"""
#1.获取验证码数据文件
image_batch,label_batch=read_and_decode()
#2.通过输入图片特征数据，建立模型，得出预测结果
#一层，全连接神经网络进行预测
#matrix[100,20,80,3]*[20*80*3,4*26]+[104]=[100,4*26]
y_predict=fc_model(image_batch)
print(y_predict)
#3.目标值转换成onehot编码，进行交叉熵损失计算
y_true=predict_to_onehot(label_batch)
#4.softmax计算，交叉熵损失计算
with tf.variable_scope("soft_cross"):
loss=tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=tf.reshape(y_true,[FLAGS.batch_size,FLAGS.label_num*FLAGS.letter_num]),
logits=y_predict))
#5.梯度下降优化损失
with tf.variable_scope("optimizer"):
train_op=tf.train.GradientDescentOptimizer(0.01).minimize(loss)
#6.求出样本的每批次预测的准确率是多少 三维比较
with tf.variable_scope("acc"):
#比较预测值和目标值是否位置一样
equal_list=tf.equal(tf.argmax(y_true,2),tf.argmax(tf.reshape(y_predict,[FLAGS.batch_size,FLAGS.label_num,FLAGS.letter_num]),2))
accuracy=tf.reduce_mean(tf.cast(equal_list,tf.float32))
#定义一个初始化变量的op
init_op=tf.global_variables_initializer()
#开启会话训练
with tf.Session() as sess:
sess.run(init_op)
#定义线程协调器和开启线程（有数据在文件当中读取提供给模型）
coord=tf.train.Coordinator()#回收线程管理线程
#开启线程去运行文件读取操作
threads=tf.train.start_queue_runners(sess,coord=coord)
#训练识别程序
for i in range(4000):
sess.run(train_op)
print("第%d的准确率为：%f"%(i,accuracy.eval()))
#回收线程
coord.request_stop()
coord.join(threads)
return None
if __name__=="__main__":
captcharec()
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
