darknet识别（某验）文字点选验证码
今天介绍darknet识别文字点选验证码， Darknet is an open source neural network framework written in C and CUDA. darknet是基于yolo算法的神经网络框架。
废话少说先热热身
平台是Ubuntu20，首先要安装NVIDIA驱动
1、安装驱动
NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA 找见对应的驱动下载安装
2、安装cuda
查看版本兼容 CUDA Compatibility :: NVIDIA Data Center GPU Driver Documentation
下载 CUDA Toolkit Archive | NVIDIA Developer
Ubuntu 通过deb(local)方式安装
3、安装cudnn
下载对应版本 CUDA Deep Neural Network (cuDNN) | NVIDIA Developer
4、安装完成后（测试是否成功）
~$ nvidia-smi Wed Sep 16 13:57:38 2020 +-----------------------------------------------------------------------------+ | NVIDIA-SMI 440.33.01 Driver Version: 440.33.01 CUDA Version: 10.2 | |-------------------------------+----------------------+----------------------+ | GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. | |===============================+======================+======================| | 0 GeForce RTX 208... On | 00000000:08:00.0 Off | N/A | | 45% 34C P8 4W / 215W | 1721MiB / 7973MiB | 0% Default | +-------------------------------+----------------------+----------------------+
接下来安装darknet
1、安装
wget https://github.com/pjreddie/darknet/archive/master.zip unzip master.zip # 修改Makefile(GPU和 CUDNN改成1，默认是0) vim darknet-master/Makefile GPU=1 CUDNN=1 # 保存退出，然后编译 make
2、测试
下载官方的权重文件
wget https://pjreddie.com/media/files/yolov3-tiny.weights
识别
./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg
结果：能识别出来并标记位置，这很符合我们想要的结果
分类
./darknet classify cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg
结果：
热身完了，现在开始训练自己的模型
以某验文字点选验证码为例，先看看样本，我们要做的就是按照左下角小字的顺序，点击图片上的文字验证。
先说说思路（只说大字，小字的类似）：
1、搜集足够的样本数据
2、标注字的位置
3、训练定位器
4、识别字的位置，并切割
5、标注字的类别
6、训练分类器
一、准备数据
定位器需要标注大概 1000张左右就可以了
分类器需要标注大概 36W 张（越多越好，鲁迅说过大力出奇迹 ( •̀ .̫ •́ )✧）
二、标注位置
标注工具有很多，我用的是labelImg-1.8.1
1）、安装（配置过程按照教程）
https://github.com/tzutalin/labelImg/archive/master.zip
2）、配置好之后打开，开始标注
a、选择yolo模式
b、定位器只设定一个类，使用默认标签名word（标签名可以任意取）
c、开始标注
d、标注图片中所有的字，可以看出图上有4个汉字（只关注大字）
e、可以看到标注完后有4个结果
f、然后保存
g、点击下一个继续标注
3）、标注结果文件
标注完后，在图片所在的目录生成了结果文件，与图片命名相同。
标注文件里有4行数据，对应4个字，以第一行为例
1 表示标签文件的第一个（从0开始） 0.129360 位置的中心x坐标 0.200521 位置的中心y坐标 0.252907 相对宽度w 0.208333 相对高度h
三、标注完后开始训练预处理
a、/home/data目录下，创建训练集 测试集目录
mkdir train
mkdir test
b、将标注好的数据以9：1的比率分别放入train和test目录，制作训练文件
find `pwd`/train -name \*.jpg > train.list find `pwd`/test -name \*.jpg > test.list train.list内容，就是标注后的图片绝对路径 /home/data/train/0.jpg /home/data/train/1.jpg /home/data/train/2.jpg /home/data/train/3.jpg /home/data/train/4.jpg /home/data/train/5.jpg
c、模型配置文件，定位使用yolov3-tiny.cfg就足够
/home/data/word.cfg
*、蓝色可以改 [net] batch=1 # 测试时1，训练时根据显存大小设置64 32 16 subdivisions=1 # 测试时1，训练时根据batch 配置 16 8 4 2 width=416 # 网络输入宽度，取默认值 height=416 # 网络输入高度，取默认值 channels=3 # 网络输入通道数 momentum=0.9 decay=0.0005 # 防止过拟合 angle=0 # 旋转角度，增强样本量 saturation = 1.5 # 饱和度 exposure = 1.5 # 曝光量 hue=.1 learning_rate=0.001 # 学习率 burn_in=1000 max_batches = 500200 # 最大训练次数 policy=steps # 学习策略 steps=400000,450000 scales=.1,.1 *、红色必须改 [convolutional] size=1 stride=1 pad=1 filters=18# 值为3*(classes + 5) activation=linear [yolo] mask = 0,1,2 anchors = 10,14, 23,27, 37,58, 81,82, 135,169, 344,319 classes=1 #数据集类别（定位器只有1类） num=6 jitter=.3 ignore_thresh = .7 truth_thresh = 1 random=1
d、标签文件
/home/data/word.labels
文件中每一行都表示一个标签
e、数据集配置文件
/home/data/word.data classes = 1 # 类别个数 train = /home/data/train.list # 训练集文件位置 valid = /home/data/test.list # 测试集文件位置 labels = /home/data/word.labels # 标签位置 backup = backup/word # 结果保存位置 top=5 # 表示输出前5个结果
f、开始训练
1、最后目录结构
/home/data ├── test # 测试集目录 ├── test.list # 测试集文件 ├── train # 训练集目录 ├── train.list # 训练集文件 ├── word.cfg # 模型配置文件 ├── word.data # 数据集配置文件 └── word.labels # 标签文件
2、准备好之后就开始训练
./darknet detector train /home/data/word.data /home/data/word.cfg
3、开始打印日志：
第1部分：
Region 16 Avg IOU 表示当前subdivision 内图片的评价IOU数字越大表明 精度越高 Class 标注物体的正确率 Obj 目标越接近1越好 No Obj 趋于0 .5R 当前模型在所有 subdivision 样本中检测出的正样本与实际正样本的比值 count所有当前 subdivision 图片中包含正样本标签数量
第2部分：
434483 当前迭代次数 0.008373 总体损失（损失很小的时候就可以停止训练） 0.008263 avg 平均损失 0.000100 rate 当前学习率 0.093013 seconds 当前批次花费时间 6951728 images 参与训练的图片总数
4、检测结果
如果显存足够大，训练过程会很快，训练完成开始检测，可以看到成功识别出4个汉字（大字）的位置并标注
./darknet detect /home/data/word.cfg /home/data/word.weights 0.jpg
四、识别位置并切割
darknet中python目录darknet.py
# 修改点
# so文件路径
lib = CDLL("libdarknet.so", RTLD_GLOBAL)
# 配置文件和模型路径
net = load_net("/home/data/result/word.cfg", "/home/data/result/word.weights", 0)
meta = load_meta("/home/data/result/word.data")
# 调用识别函数后返回类别和坐标
(b'0', 0.9999345541000366, (89.49639129638672, 259.5166320800781, 78.38817596435547, 58.78640365600586))
b'0' 类别
0.9999345541000366 识别率
89.49639129638672 位置中心x坐标
259.5166320800781 位置中心y坐标
78.38817596435547 相对宽度w
58.78640365600586 相对高度h
# 根据x y w h可以计算出位置的四边的边界位置
左 left = x - (w / 2)
右 right = x + (w / 2)
上 top = y - (h / 2)
下 bottom = y + (h / 2)
切割完后
五、标注类别
将所有数据集分割后，开始标注类别，可以借助百度识别，但是效率不高。我们考虑半监督学习，自行标注一部分，然后训练，再根据训练结果识别，然后再重复之前的操作。
标注完后大概有4277个类 也就是4277个汉字。
六、训练分类器
前两步和定位器一样
c、模型配置文件，分类器参考darknet19.cfg
/home/data/class.cfg
*、蓝色可以改 [net] batch=1 # 测试时1，训练时根据显存大小设置64 32 16 subdivisions=1 # 测试时1，训练时根据batch 配置 16 8 4 2 learning_rate=0.001 # 学习率 max_batches = 500200 # 最大训练次数 policy=poly # 学习策略 angle=7 # 旋转样本 *、红色必须改 [convolutional] filters=4277 # 总共有多少类 size=1 stride=1 pad=1 activation=linear [avgpool] [softmax] groups=1
d、标签文件
/home/data/class.labels
文件中每一行都表示一个标签（所以共有4277行）
e、数据集配置文件
/home/data/class.data
classes = 4277 # 类别个数 train = /home/data/train.list # 训练集文件位置 valid = /home/data/test.list # 测试集文件位置 labels = /home/data/class.labels # 标签位置 backup = backup/class # 结果保存位置 top=5 # 表示输出前5个结果
f、开始训练
1、训练
./darknet classifier train /home/data/class.data /home/data/class.cfg
2、日志
3、训练完成后检测结果
./darknet classifier predict /home/data/class.data /home/data/class.cfg /home/data/class.weights code0.jpg
可以看出四个字全部识别出来了，识别率还是很高的，好了任务完成~~
（本文只用于学习交流，如涉及作品内容、版权或其它问题,请及时与我们联系，我们将立即更正或删除相关内容。）