這是一個圖片字符型驗證碼識別平臺桐玻；
本文主要：
一篙挽、簡單介紹圖片驗證碼識別平臺；
二镊靴、介紹訓練模型（識別圖片驗證碼） ：詳細介紹從獲取驗證碼原始數據铣卡、打標簽、特殊處理到訓練出模型的過程偏竟，解釋什么是訓練煮落；
三、平臺工作原理：介紹平臺對圖片（驗證碼）的處理過程踊谋；
一蝉仇、簡單介紹圖片驗證碼識別平臺：
（1）一個圖片驗證碼識別平臺，提供接口殖蚕，接收base64編碼圖片轿衔，識別，返回結果睦疫；
（2）基于卷積神經網絡( Convolutional Neural Network, CNN )害驹；
（3）Python語言編寫；
（4）基于Tensorflow框架蛤育；
（5）運行于Gunicorn服務器裙秋；
（6）示意圖：
解釋：圖片驗證碼經base64編碼后，發(fā)送到驗證碼識別平臺（PCP）缨伊，平臺返回識別結果摘刑；
二、訓練模型：
1刻坊、獲取原始數據
即是到目標網站獲取足夠多需要識別的驗證碼圖片枷恕，用于接下來的訓練；
2谭胚、對圖片驗證碼打標簽（有監(jiān)督學習）
對獲取到的大量原始驗證碼圖片需要正確標記：每個圖片驗證碼對應的正確字符徐块；標記完后還需要核對，確保正確灾而，否則會非常影響訓練的準確性胡控；
這一步最耗費時間和精力；
目前打標簽的過程：
（1）寫一段代碼旁趟，使用現(xiàn)有的OCR庫昼激，對一部分圖片（如1000張）進行初次識別；
（2）然后進行人工修改、打標簽橙困；
（3）最后人工核對瞧掺；得到了1000張正確打好標簽的驗證碼圖片；
（4）重復（1）~（3）步凡傅，如辟狈，得到了2000張正確打好標簽的驗證碼圖片；——當然夏跷，可以一直如此重復哼转，直到得到所需要的圖片數量；
（5）另：把此2000張圖片進行訓練槽华，如準確率能有0.7以上释簿，那么可用此訓練的模型識別原始（未打標簽）的圖片——即是替換（1），OCR的成功率非常低硼莽；
（6）得到所需要的打好標簽的圖片數量，如1萬張煮纵；
3懂鸵、進行模型訓練
把標記好的圖片驗證碼輸入寫好的AI程序中，進行訓練行疏；
一般要求準確率達到0.98匆光；
對于訓練來說，理想的情況是：輸入的數據越多（打好標簽的圖片）酿联、訓練的次數越少终息，如此得到的模型越好，可以用下面的公式表達：
acc = Ax + By
A贞让、B: 權重周崭；x: 圖片；y: 次數喳张；acc: 準確率续镇；
上面的1~3步，就是訓練模型的一般過程销部；
存在問題：需要大量的打好標簽的圖片摸航，耗時費力；
所以舅桩，一般采用針對不同的驗證碼圖片進行特殊處理的方法：切割大法酱虎；
切割法操作如下（大致思路，因為每個驗證碼特征不同擂涛，處理方法會不同）：
如有驗證碼圖片：
同一種驗證碼读串，模式都會是固定的，針對上面的驗證碼可以這樣切割：
得到：
然后合成一張圖片：
最后，訓練爹土、識別都是針對：
其實甥雕，就是將擁有特殊、多字符的驗證碼圖片轉為簡單胀茵、少字符的圖片社露；
如此一來：
只需要訓練識別0-9數字；
打標簽數量大大減少琼娘，300張峭弟；
打標簽難度也大大減少，僅需要輸入數字脱拼；
再如瞒瘸，此種驗證碼：
直接切割4個單獨字符的圖片：
然后，訓練熄浓、識別都是針對單個字符圖片進行情臭，難度也大大降低，準確率大大提高赌蔑；
打標簽的數量也大大減少俯在；
一些數據：由于此圖片，底色有絕對的干擾娃惯，測試中發(fā)現(xiàn)跷乐，直接訓練的話，3000張圖片進行訓練趾浅，準確率也只有區(qū)區(qū)0.1%愕提；
利用切割方法，只用1000張圖片皿哨，切割得到4000張單獨字符的圖片浅侨，訓練8100次，準確率即可達到0.995证膨；
簡單解釋一下什么是訓練仗颈，這是一個數學問題：
先看基本的函數，如：y = 2x + 1椎例，輸入x=1挨决，輸出y=3；這是已經知道函數對應關系f = 2x + 1订歪；
再看高階一點的數學脖祈，如：已知 y = 2x + 1，y = 3刷晋，求x盖高；從輸出慎陵，反推輸入，同樣也是知道函數對應關系f = 2x + 1喻奥；
再進階一步席纽，就接觸到機器學習了，函數對應關系f 撞蚕，我們不知道润梯，但是知道了x、y的值（x就是驗證碼圖片甥厦、y就是對應的標簽）纺铭，求對應關系f；
如果是簡單的刀疙，已知函數f的形式舶赔，如：y = ax + b；只要兩組（x, y）即可求得a谦秧、b竟纳；從而求得f；
如果是完全不知道函數的形式疚鲤，那么就需要構造函數锥累，f 可能是 2x + 1、3x + 3石咬、x^2 + 1等等無數種情況；僅有兩組（x, y）是無法得出f的卖哎；但是如果有大量的（x, y）鬼悠，就能通過“逼近計算”方法，不斷調整公式權重亏娜，近似求得函數f —— 這就是訓練過程焕窝；
三、平臺工作原理：
簡單介紹平臺對圖片（驗證碼）的處理過程维贺；
示意圖：
解釋：
圖片驗證碼通過base64編碼后它掂，通過提供的API發(fā)送到驗證碼識別平臺；
平臺獲取圖片的寬高溯泣，然后進入判別器1：根據針對此驗證碼配置的屬性虐秋，決定是否要切割圖片（若要切割，切割的尺寸是多大）垃沦；
如果發(fā)現(xiàn)有兩種不同的驗證碼尺寸一樣客给，那么需要進入判別器2：根據圖片特征對圖片進行分類；
經過判別器1和判別器2肢簿，可以確定此圖片驗證碼對應的是哪個訓練模型（用于最終的識別）靶剑、是否要切割蜻拨、切割成多大；
最后桩引，把圖片切割成預定的大小缎讼，選擇對應的模型，進行識別坑匠，返回結果血崭；
以上就是利用AI識別驗證碼的簡單介紹；
完畢笛辟；
