使用TensorFlow 来实现一个简单的验证码识别过程

本文我们来用 TensorFlow 来实现一个深度学习模型，用来实现验证码识别的过程，这里识别的验证码是图形验证码，首先我们会用标注好的数据来训练一个模型，然后再用模型来实现这个验证码的识别。

1.验证码准备

这里我们使用 python 的 captcha 库来生成即可，这个库默认是没有安装的，所以这里我们需要先安装这个库，另外我们还需要安装 pillow 库

安装好之后，我们就可以用如下代码来生成一个简单的图形验证码

可以看到图中的文字正是我们所定义的内容，这样我们就可以得到一张图片和其对应的真实文本，接下来我们就可以用它来生成一批训练数据和测试数据了。

2.预处理

在训练之前肯定是要进行数据预处理了，现在我们首先定义好了要生成的验证码文本内容，这就相当于已经有了 label 了，然后我们再用它来生成验证码，就可以得到输入数据 x 了，在这里我们首先定义好我们的输入词表，由于大小写字母加数字的词表比较庞大，设想我们用含有大小写字母和数字的验证码，一个验证码四个字符，那么一共可能的组合是 (26 + 26 + 10) ^ 4 = 14776336 种组合，这个数量训练起来有点大，所以这里我们精简一下，只使用纯数字的验证码来训练，这样其组合个数就变为 10 ^ 4 = 10000 种，显然少了很多。

所以在这里我们先定义一个词表和其长度变量：

这里 VOCAB 就是词表的内容，即 0 到 9 这 10 个数字，验证码的字符个数即 CAPTCHA_LENGTH 是 4，词表长度是 VOCAB 的长度，即 10。

接下来我们定义一个生成验证码数据的方法，流程类似上文，只不过这里我们将返回的数据转为了 Numpy 形式的数组：

这样调用此方法，我们就可以得到一个 Numpy 数组了，这个其实是把验证码转化成了每个像素的 RGB，我们调用一下这个方法试试：

内容如下：

可以看到它的 shape 是 (60, 160, 3)，这其实代表验证码图片的高度是 60，宽度是 160，是 60 x 160 像素的验证码，每个像素都有 RGB 值，所以最后一维即为像素的 RGB 值。

接下来我们需要定义 label，由于我们需要使用深度学习模型进行训练，所以这里我们的 label 数据最好使用 One-Hot 编码，即如果验证码文本是 1234，那么应该词表索引位置置 1，总共的长度是 40，我们用程序实现一下 One-Hot 编码和文本的互相转换：

这里 text2vec() 方法就是将真实文本转化为 One-Hot 编码，vec2text() 方法就是将 One-Hot 编码转回真实文本。

例如这里调用一下这两个方法，我们将 1234 文本转换为 One-Hot 编码，然后在将其转回来：

这样我们就可以实现文本到 One-Hot 编码的互转了。

接下来我们就可以构造一批数据了，x 数据就是验证码的 Numpy 数组，y 数据就是验证码的文本的 One-Hot 编码，生成内容如下：

这里我们定义了一个 getrandomtext() 方法，可以随机生成验证码文本，然后接下来再利用这个随机生成的文本来产生对应的 x、y 数据，然后我们再将数据写入到 pickle 文件里，这样就完成了预处理的操作。

3.构建模型

有了数据之后，我们就开始构建模型吧，这里我们还是利用 traintestsplit() 方法将数据分为三部分，训练集、开发集、验证集：

接下来我们使用者三个数据集构建三个 Dataset 对象：

然后初始化一个迭代器，并绑定到这个数据集上：

接下来就是关键的部分了，在这里我们使用三层卷积和两层全连接网络进行构造，在这里为了简化写法，直接使用 TensorFlow 的 layers 模块：

这里卷积核大小为 3，padding 使用 SAME 模式，激活函数使用 relu。

经过全连接网络变换之后，y 的 shape 就变成了 [batchsize, nclasses]，我们的 label 是 CAPTCHALENGTH 个 One-Hot 向量拼合而成的，在这里我们想使用交叉熵来计算，但是交叉熵计算的时候，label 参数向量最后一维各个元素之和必须为 1，不然计算梯度的时候会出现问题。详情参见 TensorFlow 的官方文档：

https://www.tensorflow.org/apidocs/python/tf/nn/softmaxcrossentropywithlogits

但是现在的 label 参数是 CAPTCHALENGTH 个 One-Hot 向量拼合而成，所以这里各个元素之和为 CAPTCHALENGTH，所以我们需要重新 reshape 一下，确保最后一维各个元素之和为 1：

这样我们就可以确保最后一维是 VOCAB_LENGTH 长度，而它就是一个 One-Hot 向量，所以各元素之和必定为 1。

然后 Loss 和 Accuracy 就好计算了：

再接下来执行训练即可：

在这里我们首先初始化 traininitializer，将 iterator 绑定到 Train Dataset 上，然后执行 trainop，获得 loss、acc、gstep 等结果并输出。

训练

运行训练过程，结果类似如下：

测试

训练过程我们还可以每隔几个 Epoch 保存一下模型：

当然也可以取验证集上准确率最高的模型进行保存。

验证时我们可以重新 Reload 一下模型，然后进行验证：

[ShareSDK] 轻松实现社会化功能 强大的社交分享

[SMSSDK] 快速集成短信验证 联结通讯录社交圈

[MobLink] 打破App孤岛 实现Web与App无缝链接

[MobPush] 快速集成推送服务 应对多样化推送场景

[AnalySDK] 精准化行为分析 + 多维数据模型 + 匹配全网标签 + 垂直行业分析顾问

BBSSDK | ShareREC | MobAPI | MobPay | ShopSDK | MobIM | App工厂

截止2018 年4 月，Mob 开发者服务平台全球设备覆盖超过84 亿，SDK下载量超过3,300,000+次，服务超过380,000+款移动应用