中文验证码，包含 4 个中文汉字，有噪点干扰，验证方法为要求用户选出 4 个汉字中被旋转 90 度的那一个 （四个汉字从左到右序号为 0,1,2,3，输出被旋转的汉字序号即可） 。

• 两种汉字，找出旋转了的汉字
• 位置固定，直接切割

验证码中仅存在左旋90°一种情况，可以将已旋转和未旋转分别视为一类，因此本问题为一个2分类问题。另外，对两类图像进行旋转，扩充数据。在上图网络中，dropout的值为0.8，学习率为0.001，使用ReLU作为激活函数，使用Adam优化算法进行网络优化，可达到99.98%的测试集准确率。

经过多种尝试，决定使用下图所示卷积神经网络，经过训练与测试算法优化，达到了99.98%的测试集准确率。

• 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
  • 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

  从百度网盘下载第四类验证码数据，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：切割

  python cut_captcha.py
  

• 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