使用pytorch训练和识别计算验证码
#pytorch验证码识别
下载代码
git clone https://github.com/fupinglee/CalculateCaptcha_Recognition安装依赖
cd CalculateCaptcha_Recognition
pip install -r requirements_gpu.txt # gpu环境 如果没有GPU环境的话使用
pip install -r requirements.txt
https://github.com/fupinglee/Calculate_Captcha/releases
有两个版本，v1.0是老版本的验证码生成，v1.1是新版本验证码的生成，差别不是很大。 可以两种验证码都生成一些，然后合并训练，也可以只要一种，识别率96%以上。
生成训练验和测试证码，这里训练验证码2000张，测试200张
java -jar CalculateCaptcha.jar -n 2000 -p train
java -jar CalculateCaptcha.jar -n 200 -p test
然后将datasets放在CalculateCaptcha_Recognition目录下
python3 train.py
可以用GPU训练，没条件就CPU训练，耗时不会太多。 刚开始训练正确率很快就能达到100%
python3 test.py批量测试
test()单个样本测试
test_pic('datasets/test/xxxx.jpg')网络下载新的验证码进行验证
test_net("http://demo.ruoyi.vip/captcha/captchaImage?type=math&s=0.39236748354325024")python to_onnx.py然后使用onnx进行验证码识别
if __name__ == '__main__':
path = "datasets/test/0+8=？_69146590872302eb7f65d52074da94a7.jpg"
onnxFile = 'mathcode.onnx'
img = Image.open(path)
trans = transforms.Compose([
transforms.Resize((60, 160)),
# transforms.Grayscale(),
transforms.ToTensor()
])
img_tensor = trans(img)
img_tensor = img_tensor.reshape(1, 3, 60, 160) # 1张图片 1 灰色
ort_session = onnxruntime.InferenceSession(onnxFile)
modelInputName = ort_session.get_inputs()[0].name
# onnx 网络输出
onnx_out = ort_session.run(None, {modelInputName: to_numpy(img_tensor)})
onnx_out = torch.tensor(np.array(onnx_out))
onnx_out = onnx_out.view(-1, common.captcha_array.__len__())
print(vec2Text(onnx_out))执行python onnx_test.py
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent