在學(xué)習(xí)了 CNN 之后，我一直想去做一個驗證碼識別。網(wǎng)上找了很多資料，雜七雜八的一大堆，但是好多是 tf1 寫的。我對 tf1 不太熟悉，于是自己開始了基于 TensorFlow 2 的摸索實踐。

摸索的過程異常艱難，一開始我直接用 captcha 生成了 10080 張驗證碼去識別，發(fā)現(xiàn) loss 一直停留在 2.3 左右，accuracy 一直是 0.1 左右，訓(xùn)練了 100 回合，也沒什么提升，電腦都快要跑廢了，咋辦呀？于是網(wǎng)上各種問大佬，找到機(jī)會就提問，其中一位大佬的回答讓我受到了啟發(fā)，他說：你可以先識別 1 位，然后 2 位，3 位，最后 4 位，一步一步來……。

本文主要描述我在驗證碼識別過程中的一些摸索，整理出來以供大家參考：

第一回：搭建網(wǎng)絡(luò)結(jié)構(gòu)

首先我們需要搭建網(wǎng)絡(luò)結(jié)構(gòu)，如下：

model=tf.keras.models.Sequential([ tf.keras.Input(shape=(H, W, C)), layers.Conv2D(32, 3, activation='relu'), layers.MaxPooling2D((2, 2)), layers.Conv2D(64, 3, activation='relu'), layers.MaxPooling2D((2, 2)), layers.Conv2D(64, 3, activation='relu'), layers.MaxPooling2D((2, 2)), layers.Conv2D(64, 3, activation='relu'), layers.MaxPooling2D((2, 2)), layers.Conv2D(64, 3, activation='relu'), layers.MaxPooling2D((2, 2)), layers.Flatten(), layers.Dense(1024, activation='relu'), layers.Dense(D * N_LABELS, activation='softmax'), layers.Reshape((D, N_LABELS)), ]) model.compile(optimizer='adam', loss='categorical_crossentropy', metrics= ['accuracy']) callbacks=[ tf.keras.callbacks.TensorBoard(log_dir='logs'), tf.keras.callbacks.ModelCheckpoint(filepath=check_point_path, save_weights_only=True, save_best_only=True) ] history = model.fit(train_gen, steps_per_epoch=len(train_idx)//batch_size, epochs=100, callbacks=callbacks, validation_data=valid_gen, validation_steps=len(valid_idx)//valid_batch_size)

summary:

我的訓(xùn)練數(shù)據(jù)量：train count: 7408, valid count: 3176, test count: 4536

樣本圖：

訓(xùn)練結(jié)果：

Train for 231 steps, validate for 99 steps Epoch 1/100 1/231 […] - ETA: 4:18 - loss: 2.2984 - accuracy: 0.1328 231/231 [==============================] - 143s 618ms/step - loss: 2.3032 - accuracy: 0.0971 - val_loss: 2.3029 - val_accuracy: 0.0987 Epoch 2/100 230/231 [============================>.] - ETA: 0s - loss: 2.3026 - accuracy: 0.1014 231/231 [==============================] - 121s 525ms/step - loss: 2.3026 - accuracy: 0.1013 - val_loss: 2.3031 - val_accuracy: 0.0986 Epoch 3/100 230/231 [============================>.] - ETA: 0s - loss: 2.3026 - accuracy: 0.1029 231/231 [==============================] - 138s 597ms/step - loss: 2.3026 - accuracy: 0.1026 - val_loss: 2.3032 - val_accuracy: 0.0986 Epoch 4/100 230/231 [============================>.] - ETA: 0s - loss: 2.3025 - accuracy: 0.1031 231/231 [==============================] - 124s 537ms/step - loss: 2.3025 - accuracy: 0.1031 - val_loss: 2.3032 - val_accuracy: 0.0987 Epoch 5/100 230/231 [============================>.] - ETA: 0s - loss: 2.3025 - accuracy: 0.1040 231/231 [==============================] - 123s 532ms/step - loss: 2.3025 - accuracy: 0.1039 - val_loss: 2.3032 - val_accuracy: 0.0989 Epoch 6/100 230/231 [============================>.] - ETA: 0s - loss: 2.3025 - accuracy: 0.1039 231/231 [==============================] - 118s 509ms/step - loss: 2.3025 - accuracy: 0.1038 - val_loss: 2.3033 - val_accuracy: 0.0988 … Epoch 20/100 230/231 [============================>.] - ETA: 0s - loss: 2.3025 - accuracy: 0.1038 231/231 [==============================] - 120s 521ms/step - loss: 2.3025 - accuracy: 0.1038 - val_loss: 2.3034 - val_accuracy: 0.0988 Epoch 21/100 190/231 [=======================>…] - ETA: 20s - loss: 2.3025 - accuracy: 0.1032

loss 一直沒有變化，accuracy 也很低，不知道出現(xiàn)了什么原因，困擾一兩個星期，都想要放棄了，太難了。但是我不死心，非要把它搞出來，4 位識別不出來，能不能先識別一位呢？好，那就開始搞，一位比較簡單，跟 Mnist 數(shù)據(jù)集很相似，在這我就不贅述了。

第二回：2 位彩色驗證碼訓(xùn)練

接著來識別 2 位的驗證碼。train count: 441, valid count: 189, test count: 270

樣本圖：

下面是我用 2 位驗證碼進(jìn)行訓(xùn)練的結(jié)果：

30 張圖片進(jìn)行測試，結(jié)果：

哎呦，有感覺了，有了起色了，但是出現(xiàn)了過擬合的現(xiàn)象，解決過擬合的方法主要有：

Get more training data

Reduce the capacity of the network

Add weight regularization

Add dropout

Data-augmentation

Batch normalization

第三回：增加彩色驗證碼數(shù)據(jù)集

于是我就增加了數(shù)據(jù)集。train count: 4410, valid count: 1890, test count: 2700

然后又出現(xiàn)了 loss 一直在 2.3，accuracy 在 0.09 左右，這是什么鬼呢？但是我還是不死心呀，繼續(xù)想辦法呀，既然彩色的有難度，我先識別黑白的樣本行不行呢，先試試吧。

第四回：2 位黑白驗證碼訓(xùn)練

網(wǎng)絡(luò)結(jié)構(gòu)依然采用上面的，input_shape(100,120,3)。

這是我用 2 位的黑白圖片的驗證碼進(jìn)行了訓(xùn)練，效果很好，收斂也很快。

訓(xùn)練第 50 回合時：

Epoch 50/50 26/27 [============>…] - ETA: 0s - loss: 0.0150 - accuracy: 0.9940 27/27 [==============] - 8s 289ms/step - loss: 0.0212 - accuracy: 0.9936 - val_loss: 0.2348 - val_accuracy: 0.9446

隨機(jī)選取了 30 張圖片進(jìn)行了測試，2 張識別錯了：

樣本圖：

看著這結(jié)果，我露出了潔白的大牙，信心大增呀，繼續(xù)搞，直接上 4 位驗證碼。

第五回：4 位黑白驗證碼訓(xùn)練

依然采用上面的網(wǎng)絡(luò)結(jié)構(gòu)，這次使用的是 4 位黑白圖片的驗證碼。train count: 2469, valid count: 1059, test count: 1512

訓(xùn)練第 20 回合：

Epoch 20/20 76/77 [====>.] - ETA: 0s - loss: 0.0409 - accuracy: 0.9860 77/77 [======] - 33s 429ms/step - loss: 0.0408 - accuracy: 0.9861 - val_loss: 0.3283 - val_accuracy: 0.9221

隨機(jī)選取 30 張圖片進(jìn)行測試，8 張錯誤：

4 位驗證碼的樣本圖：

從結(jié)果來看，有點(diǎn)過擬合，沒關(guān)系，繼續(xù)加大數(shù)據(jù)集。

第六回：增加黑白驗證碼數(shù)據(jù)集

依舊采用上面的網(wǎng)絡(luò)結(jié)構(gòu)，這次我增加了數(shù)據(jù)集 4939 張，依舊使用的是 4 位黑白的驗證碼，訓(xùn)練結(jié)果還是挺好的：train count: 4939, valid count: 2117, test count: 3024

第 20 回合：

Epoch 20/20 153/154 [==>.] - ETA: 0s - loss: 0.0327 - accuracy: 0.9898 154/154 [====] - 75s 488ms/step - loss: 0.0329 - accuracy: 0.9898 - val_loss: 0.1057 - val_accuracy: 0.9740

可以看出 訓(xùn)練集的準(zhǔn)確率 跟驗證集上很接近，隨機(jī)選取 30 張圖片進(jìn)行測試，6 張錯誤圖如下：

好了，搞了這么多，由此我覺得是噪點(diǎn)影響了深度學(xué)習(xí)的識別，maxpool 的時候連帶著噪點(diǎn)也采樣了，我們需要將噪點(diǎn)處理掉，再喂入神經(jīng)網(wǎng)絡(luò)。

第七回：預(yù)處理

在上面的推理中，我感覺是噪點(diǎn)影響了神經(jīng)網(wǎng)絡(luò)的識別，于是乎我在送入網(wǎng)絡(luò)之前進(jìn)行了去噪，二值化操作，訓(xùn)練如下：train count: 4939, valid count: 2117, test count: 3024

從圖中可以看出，模型收斂了，但有點(diǎn)過擬合，第 20 回合訓(xùn)練結(jié)果如下：

Epoch 20/20 153/154 [==>.] - ETA: 0s - loss: 0.0407 - accuracy: 0.9861 154/154 [===] - 69s 450ms/step - loss: 0.0408 - accuracy: 0.9860 - val_loss: 0.3227 - val_accuracy: 0.9244

隨機(jī)選取了 30 張圖片進(jìn)行了測試，8 張錯誤：

做到這里， 我對之前的推測有了猜疑：是噪點(diǎn)影響的嗎？我覺得不完全是。核心原因是我在嘗試的過程中對驗證碼進(jìn)行了處理，從 RGB 的驗證碼變成了單通道的黑白驗證碼，使得圖片的信息減少了，神經(jīng)網(wǎng)絡(luò)的計算量也大大減少了，網(wǎng)絡(luò)模型很快得到了收斂，loss 顯著減少，accuracy 在不斷提高。

整個過程是使用 CPU 進(jìn)行訓(xùn)練的，電腦配置是 Intel_Corei7-6700HQ_CPU@_2.60GHz，8G 內(nèi)存。如果大家的電腦配置高，用 GPU 進(jìn)行訓(xùn)練，我覺得即使不做預(yù)處理，效果也能出來。

責(zé)任編輯：lq