AI Rank
EN
← 开源
dee1024

pytorch-captcha-recognition

基于CNN训练的一套 "端到端" 的验证码识别模型，使用深度学习+训练数据+大量计算力，纯数字识别率高达 99.99%，数字+字母识别率 96%

Model DevelopmentDeep Learning FrameworksPython
在 GitHub 打开
增长势头
+024 小时新增 Star0.0%
1.22k
Star
326
Fork
+2
本周
2
贡献者
创建于 2018-03-28 · 更新于 2026-10-15 · 今日第 11084 名
主要开发者
dee1024kenvifire

dee1024/pytorch-captcha-recognition 排名第 11,084，有 1,223 个星标。

同类别比较

dee1024/pytorch-captcha-recognition 排名第 11,084，此处有 8 个同类条目；wagenaartje/neataptic 排名第 11,086。

同类别比较
名称排名指标
rohanpsingh/LearningHumanoidWalking11,061
语言:
Python
星标数:
1,228
分叉数:
139
简介:
Training a humanoid robot for locomotion using Reinforcement Learning
google/prettytensor11,069
语言:
Python
星标数:
1,226
分叉数:
142
简介:
Pretty Tensor: Fluent Networks in TensorFlow
SakanaAI/self-adaptive-llms11,073
语言:
Python
星标数:
1,225
分叉数:
142
简介:
A Self-adaptation Framework🐙 that adapts LLMs for unseen tasks in real-time!
Bolin97/GongBU11,077
语言:
Svelte
星标数:
1,224
分叉数:
89
简介:
Paper accepted by CIKM 2024. Codes of GongBU, a LLM fine-tuning platform for domain-specific adaptation.
wagenaartje/neataptic11,086
语言:
JavaScript
星标数:
1,223
分叉数:
286
简介:
:rocket: Blazing fast neuro-evolution & backpropagation for the browser and Node.js
google-research/fixmatch11,087
语言:
Python
星标数:
1,222
分叉数:
191
简介:
A simple method to perform semi-supervised learning with limited data.
eduardoleao052/js-pytorch11,090
语言:
JavaScript
星标数:
1,221
分叉数:
55
简介:
A JavaScript library like PyTorch, with GPU acceleration.
lucidrains/perceiver-pytorch11,093
语言:
Python
星标数:
1,221
分叉数:
141
简介:
Implementation of Perceiver, General Perception with Iterative Attention, in Pytorch
关键参数与规格
关键参数与规格
参数值
语言Python
类别Model Development
子类别Deep Learning Frameworks
关键词OCR
星标数1,223
分叉数326
贡献者2
创建日期2018-03-28
更新日期2026-10-15
1 天星标数0
7 天星标数2
排名11,084
上次排名4,079
排名变化-7,005
7 天星标排名8,156
上次 7 天星标排名7,041
7 天星标排名变化-1,115
总星标排名9,558
上次总星标排名9,542
总星标排名变化-16
国家China
README 摘录

深度学习识别验证码 ========= 本项目致力于使用神经网络来识别各种验证码。 特性 === __端到端，不需要做更多的图片预处理（比如图片字符切割、图片尺寸归一化、图片字符标记、字符图片特征提取）__ __验证码包括

数字、大写字母、小写__ __采用自己生成的验证码来作为神经网络的训练集合、测试集合、预测集合__ __纯四位数字，验证码识别率高达 99. 9999 %__ __四位数字 + 大写字符，验证码识别率约 96 %__ __深度学习框架pytorch + 验证码生

成器ImageCaptcha__ 原理 === __训练集合生成__ __训练卷积神经网络__ 验证码识别率展示 ======== 快速开始 ==== __步骤一：10分钟环境安装__ __步骤二：生成验证码__ __步骤三：训练模型__ __步骤四：测试模型__ __步骤五：使用模型做预测__ 贡献 === 我们期待你

的 pull requests ! 作者 === __Dee Qiu__ 其它 === __Github项目交流QQ群__ 570997546 声明 === 本项目仅用于交流学习

常见问题

记录了多少星标和分叉？

dee1024/pytorch-captcha-recognition 有 1,223 个星标和 326 个分叉。

仓库排名是多少？

dee1024/pytorch-captcha-recognition 排名第 11,084。

记录的语言和类别是什么？

dee1024/pytorch-captcha-recognition 有 1,223 个星标，语言为 Python，类别为 Model Development。

哪个仓库排名最接近？

dee1024/pytorch-captcha-recognition 与 wagenaartje/neataptic 比较，后者排名第 11,086，有 1,223 个星标。

README

深度学习识别验证码

本项目致力于使用神经网络来识别各种验证码。

特性

  • 端到端，不需要做更多的图片预处理（比如图片字符切割、图片尺寸归一化、图片字符标记、字符图片特征提取）
  • 验证码包括数字、大写字母、小写
  • 采用自己生成的验证码来作为神经网络的训练集合、测试集合、预测集合
  • 纯四位数字，验证码识别率高达 99.9999 %
  • 四位数字 + 大写字符，验证码识别率约 96 %
  • 深度学习框架pytorch + 验证码生成器ImageCaptcha

原理

  • 训练集合生成

    使用常用的 Python 验证码生成库 ImageCaptcha，生成 10w 个验证码，并且都自动标记好; 如果需要识别其他的验证码也同样的道理，寻找对应的验证码生成算法自动生成已经标记好的训练集合或者手动对标记，需要上万级别的数量，纯手工需要一定的时间，再或者可以借助一些网络的打码平台进行标记

  • 训练卷积神经网络 构建一个多层的卷积网络，进行多标签分类模型的训练 标记的每个字符都做 one-hot 编码 批量输入图片集合和标记数据，大概15个Epoch后，准确率已经达到 96% 以上

验证码识别率展示

快速开始

  • 步骤一：10分钟环境安装

    Python2.7+ 、ImageCaptcha库(pip install captcha)、 Pytorch(参考官网http://pytorch.org)

  • 步骤二：生成验证码

    python captcha_gen.py

    执行以上命令，会在目录 dataset/train/ 下生成多张验证码图片，图片已经标注好，数量可以是 1w、5w、10w，通过 captcha-gen.py 内的 count 参数设定

  • 步骤三：训练模型

    python captcha_train.py

    使用步骤一生成的验证码图集合用CNN模型（在 catcha_cnn_model 中定义）进行训练，训练完成会生成文件 model.pkl

  • 步骤四：测试模型

    python captcha_test.py

    可以在控制台，看到模型的准确率（如 95%） ，如果准确率较低，回到步骤一，生成更多的图片集合再次训练

  • 步骤五：使用模型做预测

    python captcha_predict.py

    可以在控制台，看到预测输出的结果

贡献

我们期待你的 pull requests !

作者

  • Dee Qiu

其它

  • Github项目交流QQ群 570997546

声明

本项目仅用于交流学习

排名相邻
同类项目