TensorFlow识别知乎验证码

识别知乎验证码

最近在爬知乎的数据，遇到了验证码，就使用TensorFlow的CNN训练了一个能自动识别验证码的模型，最后识别线上验证码的准确率在95%左右。

依赖库Python3requestsPIL & numpyTensorFlowCNN分析

做爬虫请求知乎接口频繁时，会遇到两种验证码：细字体和粗字体。

如果把两种验证码混合放到同一个神经网络中训练的话，收敛会比较慢，需要的样本量就比较大，如果手上样本量不够多，我们可以先训练一个分类器asp验证码，将两种验证码区分开，再分别去训练识别，这样需要的样本量就会少很多而且每个分类准确率都能得到保证！

最开始我样本量不够时就是是按照上面的做法实现的，现在样本足够了就可以把两种验证码在样本混合起来直接丢到CNN里训练就好了，最后也达到不错的准确率！

代码链接在文末。

如何运行 把你的验证码样本放到samples目录下的train_mixed_captcha_base64.txt文件中。训练模型：运行train目录下的model.py文件，直到达到你满意的准确率为止。这时训练好的网络结构和权重值会保存在checkpoints目录下。 恢复上一步训练好的网络模型，导出predict_captcha预测函数。传入base64编码的图片字符串，执行predict_captcha函数，得到预测结果。Boom！想干嘛你就可以干嘛了！CNN

代码中的模型使用TensorFlow构建了一个简单的卷积神经网络。

包含：一个输入层、三个卷积层+池化层和最后一个全连接层。

至于网络模型为什么是这种结构，因为：前人根据经验总结出来这种结构训练的效果会比较好。

当然你也可以尝试其他的结构，只要效果好就行了。我们都是黑盒调参的。

使用TensorBoard可以可视化训练的关情况。

给大家看一下我训练的网络结构：

网络结构

准确率走势图：

准确率曲线

loss曲线：

loss曲线

最后，使用训练好的模型Cover到知乎线上的验证码平均识别准确率在95%左右，也就是两次至少命中一次的概率为：1 - 0.05*0.05 = 99.75%，够我用啦然后……你懂的！

源码地址：github.com/lonnyzhang423/zhihu-captcha

UPDATE

知乎最近升级了验证码服务，换成腾讯的滑块验证码，这个没用啦

（编辑：晋中站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!