作者HenryLiKing (亨利王子)
看板Python
标题[问题] 请教这验证码如何解析
时间Tue Sep 5 21:16:07 2017
大家好
我最近刚开始在研究爬虫
在登入的时候，看到这样的验证码图片
http://imgur.com/a/vO5GX
我尝试过把他转成 numpy array 後
切掉旁边的边边
然後用 pytesseract 去读图片
但是辨识率超级低
不知道要如何着手解析这样验证码的文字
想请教一下各位前辈这种类型的要如何分析
谢谢!!
补:
刚刚没说到
其实我有做过一点点处理
大致上是这样
https://goo.gl/zFPBDg
但是辨识成功率大概是 10~40%左右
超级低QQ
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.43.71.211
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Python/M.1504617371.A.CF2.html
1F：推 shadowjohn: 去杂点，去边框，文字跟四周留些空白，转成黑白 09/05 21:17
2F：→ shadowjohn: 白底黑字，然後tesseract定白名单，应该差不多了 09/05 21:18
感谢分享!
不知道能不能大致跟我说明一下 "去杂点，去边框" 要用什麽方法呀?
3F：推 bluecadence: 这种用 tensorflow 写个三层 CNN 训练一下就解决了 09/05 22:15
4F：→ bluecadence: 要作到辨识成功率到99%不难 09/05 22:16
我今天已经下载好 TensorFlow 了XD 开始研究要如何辨识
不 到能不能给我一点研究方向得提示呀? 我没接触过DL QQ
5F：推 jack123218: 如果字跟杂点都是固定颜色直接用色码把杂点滤掉就好了 09/06 10:42
杂点颜色都是不固定的 但是好像都是比较淡的颜色!
6F：推 f496328mm: 我也想问 一楼说的方法 image 要事前做好多处理阿@@ 09/06 10:59
8F：推 f496328mm: 感谢 另外tensorflos实战的网址 404 09/06 13:09
9F：→ vi000246: 网址挂掉就直接google标题吧 09/06 13:45
我看不到网址内容耶 请问要找的标题就是 tensorflows实战吗?
※ 编辑: HenryLiKing (140.138.155.196), 09/06/2017 15:28:25
10F：→ vi000246: 刚google一下好像找不到了 09/06 15:41
11F：推 bbkingck: 学习图片的前处理的话,推荐PyImageSearch,也可捡到现成 09/06 16:06
12F：推 f496328mm: 太感谢这里的大大了，给做image的一个方向，不然根本 09/06 17:26
13F：→ f496328mm: 不知要从何做起，只好一直调vgg 09/06 17:26
15F：→ aa12twtwaa: pip安装captcha库然後把扭曲线的那个砍掉字型替换成 09/06 20:05
16F：→ aa12twtwaa: 相近的字体 09/06 20:05
17F：推 vi000246: 我试过自已做训练集 用肉眼辨识5000份就累了 09/07 00:51
18F：→ vi000246: 楼上那方法要自已产验证码自已辨识才行 09/07 00:52
19F：推 TitanEric: 学弟安安 09/08 00:31
20F：→ luce: 可以先去看论文，有很多相关的研究。 09/08 02:48
21F：→ TakiDog: 我做过这种 几乎一模一样的验证码 直接二值化 去杂点 09/08 21:16
22F：→ TakiDog: 不知道为什麽图片size会影响 我就把它放大在平滑 09/08 21:17
23F：→ TakiDog: 然後差不多就能有个8成成功率了 09/08 21:18
24F：→ f496328mm: 想请教怎麽放大啊? 例如 DATA 给 64*64 09/08 21:24
25F：→ f496328mm: 不想太多变数就取样成 32*32 09/08 21:24
26F：→ f496328mm: 不知道怎麽放大 或是放大的概念 09/08 21:25
27F：→ TakiDog: 图片存下来我是在把它做拉大的动作 还有四周加上空白 09/08 22:22
28F：嘘 wahaha279: 直就推用 ml 方法的真的母汤 05/02 11:37
29F：→ wahaha279: 生资料花的时间传统演算法就解决问题了 05/02 11:37
30F：推 wahaha279: 花一天准确度80%的模型vs十天95%的模型 05/02 11:40