作者HenryLiKing (亨利王子)
看板Python
標題[問題] 請教這驗證碼如何解析
時間Tue Sep 5 21:16:07 2017
大家好
我最近剛開始在研究爬蟲
在登入的時候，看到這樣的驗證碼圖片
http://imgur.com/a/vO5GX
我嘗試過把他轉成 numpy array 後
切掉旁邊的邊邊
然後用 pytesseract 去讀圖片
但是辨識率超級低
不知道要如何著手解析這樣驗證碼的文字
想請教一下各位前輩這種類型的要如何分析
謝謝!!
補:
剛剛沒說到
其實我有做過一點點處理
大致上是這樣
https://goo.gl/zFPBDg
但是辨識成功率大概是 10~40%左右
超級低QQ
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.43.71.211
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Python/M.1504617371.A.CF2.html
1F：推 shadowjohn: 去雜點，去邊框，文字跟四週留些空白，轉成黑白 09/05 21:17
2F：→ shadowjohn: 白底黑字，然後tesseract定白名單，應該差不多了 09/05 21:18
感謝分享!
不知道能不能大致跟我說明一下 "去雜點，去邊框" 要用什麼方法呀?
3F：推 bluecadence: 這種用 tensorflow 寫個三層 CNN 訓練一下就解決了 09/05 22:15
4F：→ bluecadence: 要作到辨識成功率到99%不難 09/05 22:16
我今天已經下載好 TensorFlow 了XD 開始研究要如何辨識
不 到能不能給我一點研究方向得提示呀? 我沒接觸過DL QQ
5F：推 jack123218: 如果字跟雜點都是固定顏色直接用色碼把雜點濾掉就好了 09/06 10:42
雜點顏色都是不固定的 但是好像都是比較淡的顏色!
6F：推 f496328mm: 我也想問 一樓說的方法 image 要事前做好多處理阿@@ 09/06 10:59
8F：推 f496328mm: 感謝 另外tensorflos實戰的網址 404 09/06 13:09
9F：→ vi000246: 網址掛掉就直接google標題吧 09/06 13:45
我看不到網址內容耶 請問要找的標題就是 tensorflows實戰嗎?
※ 編輯: HenryLiKing (140.138.155.196), 09/06/2017 15:28:25
10F：→ vi000246: 剛google一下好像找不到了 09/06 15:41
11F：推 bbkingck: 學習圖片的前處理的話,推薦PyImageSearch,也可撿到現成 09/06 16:06
12F：推 f496328mm: 太感謝這裡的大大了，給做image的一個方向，不然根本 09/06 17:26
13F：→ f496328mm: 不知要從何做起，只好一直調vgg 09/06 17:26
15F：→ aa12twtwaa: pip安裝captcha庫然後把扭曲線的那個砍掉字型替換成 09/06 20:05
16F：→ aa12twtwaa: 相近的字體 09/06 20:05
17F：推 vi000246: 我試過自已做訓練集 用肉眼辨識5000份就累了 09/07 00:51
18F：→ vi000246: 樓上那方法要自已產驗證碼自已辨識才行 09/07 00:52
19F：推 TitanEric: 學弟安安 09/08 00:31
20F：→ luce: 可以先去看論文，有很多相關的研究。 09/08 02:48
21F：→ TakiDog: 我做過這種 幾乎一模一樣的驗證碼 直接二值化 去雜點 09/08 21:16
22F：→ TakiDog: 不知道為什麼圖片size會影響 我就把它放大在平滑 09/08 21:17
23F：→ TakiDog: 然後差不多就能有個8成成功率了 09/08 21:18
24F：→ f496328mm: 想請教怎麼放大啊? 例如 DATA 給 64*64 09/08 21:24
25F：→ f496328mm: 不想太多變數就取樣成 32*32 09/08 21:24
26F：→ f496328mm: 不知道怎麼放大 或是放大的概念 09/08 21:25
27F：→ TakiDog: 圖片存下來我是在把它做拉大的動作 還有四周加上空白 09/08 22:22
28F：噓 wahaha279: 直就推用 ml 方法的真的母湯 05/02 11:37
29F：→ wahaha279: 生資料花的時間傳統演算法就解決問題了 05/02 11:37
30F：推 wahaha279: 花一天準確度80%的模型vs十天95%的模型 05/02 11:40