pytorch实现手写数字识别_pyTorch实现验证码识别：开放源码

前言

这几天主要在熟悉pyTorch，俗话说：“人生苦短，我用pyTorch”，在从TensorFlow转到pytorch之后，除了“爽”以外，我实在找不到其他形容词，简洁的语法，明了的封装，加上大大降低的debug难度，我从此入了pyTorch的坑。

为了熟悉pyTorch，我最近做了几个小项目，今天分享给大家的是一个非常有用的入门级项目——验证码识别。

源代码：

braveryCHR/CNN_captcha​github.com

前期准备

• core i7 的笔记本
• 一个 GTX 1080ti 的显卡
• 装上pytorch的cpu和GPU版本

项目目的

使用pytorch训练一个深度学习的模型来实现验证码的自动识别，其中验证码由python包cpatcha生成，其样子如下：

可以看出，该验证码识别难度较大，扭曲较为严重，如果能在该数据集上实现较高的识别率，那么其他简单的数字+字母的验证码不在话下。

数据生成

我使用captcha生成了训练集和测试集，其中训练集包含大约200万张图片，测试集包含一万张图片，生成代码如下：

def 

网络定义

网络前部是卷积与池化层，网络中部是全连接层，网络最后为四个全连接层，得到四个输出，分别对应验证码中的四个数字，其定义如下：

class 

训练结果

在20万张图片训练情况下，可以达到35%的准确率。

在200万张图片训练情况下，可以达到55%——60%的准确率。

如果继续加深网络层数，以及扩展训练集数目，根据估算，在1000万训练集情况下，可以达到90%以上的准确率。

测试

手写一个100张图片的数据集进行测试，可以发现如下规律：

• 确实可以达到近50%的准确率，对于这种较为难以辨认的验证码而言，效果已经不错
• 错误很多都是较为相近的字母或者数字，例如
  • s -> 5
  • o -> 0
  • E -> B

使用方法

• python main.py 可以对模型进行训练
• python userTest.py 可以对userTest文件下下的图片进行辨认
• python generate_captcha.py 可以生成验证码