英文字母+数字验证码，包含 5 个字符，有噪点干扰，文字无旋转形变，验证方法为要求用户输出验证码中的字符，大小写不限（ 为验证方便可统一转为大写 ）。

• 字符位置比较固定，无粘连，可以直接分割
• 背景干扰线的颜色和字符不同

第二类验证码为数字与英文字母，在本问题中，去除人类易混淆的字符后，共有8种数字和24种英文字母需要识别，为一个32分类问题。在该网络模型中，dropout的值为0.5，学习率为0.001，使用ReLU作为激活函数，使用Adam进行优化。

• python代码
  • accuracy_calculate.py 用于计算模型准确率
  • conf.py 路径配置
  • cut_captcha.py 切割验证码
  • denoise_opencv.py 验证码去噪
  • generate_tfrecord.py 生成tfrecord
  • model.py 模型定义
  • train.py 训练代码
  • test.py 测试代码
  • util.py 包含一个csv读取函数
• 文件夹
  • mappings 训练集标签/测试集标签/预测标签
  • model 生成的模型
  • logs TensorBoard日志文件
  • tfrecord TFRecord文件目录
  • image 数据集
    • train 训练集数据
    • test 测试集数据
    • cut 切割后的数据
    • denoise 降噪后的数据

• 步骤一：数据放置

  下载地址：百度网盘 提取码：e6zy

  从百度网盘下载第二类验证码数据，分别将训练集和测试集解压放置在：

  • 训练集：image/train
  • 测试集：image/test

• 步骤二：去噪并切割

  python cut_captcha.py
  

去噪后结果如图：

• 步骤三：生成TFRecord

  python generate_tfrecord.py
  

• 步骤四：训练

  python train.py
  

• 步骤五：测试

  python test.py
  

• 步骤六：计算准确率

  python accuracy_calculate.py
  

• 额外：查看TensorBoard

  tensorboard --logdir=logs