CalculateCaptcha_Recognition

使用pytorch训练和识别计算验证码

#pytorch验证码识别

1.环境配置

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

2.样本生成

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

3.训练

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%

4.识别测试

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")

5.pytorch模型转换为onnx

python to_onnx.py

参考将PyTorch模型转换为ONNX

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