125 lines
3.8 KiB
Markdown
125 lines
3.8 KiB
Markdown
# 滑动验证码深度学习识别
|
||
|
||
本项目使用深度学习 YOLOV3 模型来识别滑动验证码缺口，基于 [https://github.com/eriklindernoren/PyTorch-YOLOv3](https://github.com/eriklindernoren/PyTorch-YOLOv3) 修改。
|
||
|
||
只需要几百张缺口标注图片即可训练出精度高的识别模型，识别效果样例：
|
||
|
||
|
||
## 克隆项目
|
||
|
||
运行命令：
|
||
|
||
```
|
||
git clone https://github.com/Python3WebSpider/DeepLearningSlideCaptcha2.git
|
||
```
|
||
|
||
## 数据准备
|
||
|
||
使用 LabelImg 工具标注自行标注一批数据，大约 200 张以上即可训练出不错的效果。
|
||
|
||
LabelImg：[https://github.com/tzutalin/labelImg](https://github.com/tzutalin/labelImg)
|
||
|
||
标注要求：
|
||
|
||
* 圈出验证码目标滑块区域的完整完整矩形，无需标注源滑块。
|
||
* 目标矩形命名为 target 这个类别。
|
||
* 建议使用 LabelImg 的快捷键提高标注效率。
|
||
|
||
## 环境准备
|
||
|
||
建议在 GPU 环境和虚拟 Python 环境下执行如下命令：
|
||
|
||
```
|
||
pip3 install -r requirements.txt
|
||
```
|
||
|
||
## 预训练模型下载
|
||
|
||
YOLOV3 的训练要加载预训练模型才能有不错的训练效果，预训练模型下载：
|
||
|
||
```
|
||
bash prepare.sh
|
||
```
|
||
|
||
下载完成之后会在 weights 文件夹下出现模型权重文件，供训练使用。
|
||
|
||
## 训练
|
||
|
||
本项目已经提供了标注好的数据集，在 data/captcha，可以直接使用。
|
||
|
||
如果要训练自己的数据，数据格式准备见：[https://github.com/eriklindernoren/PyTorch-YOLOv3#train-on-custom-dataset](https://github.com/eriklindernoren/PyTorch-YOLOv3#train-on-custom-dataset)。
|
||
|
||
当前数据训练脚本：
|
||
|
||
```
|
||
bash train.sh
|
||
```
|
||
|
||
实测 P100 训练时长约 15 秒一个 epoch，大约几分钟即可训练出较好效果。
|
||
|
||
## 测试
|
||
|
||
训练完毕之后会在 checkpoints 文件夹生成 pth 文件，可直接使用模型来预测生成标注结果。
|
||
|
||
此时 checkpoints 文件夹会生成训练好的 pth 文件。
|
||
|
||
当前数据测试脚本：
|
||
|
||
```
|
||
sh detect.sh
|
||
```
|
||
|
||
该脚本会读取 captcha 下的 test 文件夹所有图片，并将处理后的结果输出到 test 文件夹。
|
||
|
||
运行结果样例：
|
||
|
||
```
|
||
Performing object detection:
|
||
+ Batch 0, Inference Time: 0:00:00.044223
|
||
+ Batch 1, Inference Time: 0:00:00.028566
|
||
+ Batch 2, Inference Time: 0:00:00.029764
|
||
+ Batch 3, Inference Time: 0:00:00.032430
|
||
+ Batch 4, Inference Time: 0:00:00.033373
|
||
+ Batch 5, Inference Time: 0:00:00.027861
|
||
+ Batch 6, Inference Time: 0:00:00.031444
|
||
+ Batch 7, Inference Time: 0:00:00.032110
|
||
+ Batch 8, Inference Time: 0:00:00.029131
|
||
|
||
Saving images:
|
||
(0) Image: 'data/captcha/test/captcha_4497.png'
|
||
+ Label: target, Conf: 0.99999
|
||
(1) Image: 'data/captcha/test/captcha_4498.png'
|
||
+ Label: target, Conf: 0.99999
|
||
(2) Image: 'data/captcha/test/captcha_4499.png'
|
||
+ Label: target, Conf: 0.99997
|
||
(3) Image: 'data/captcha/test/captcha_4500.png'
|
||
+ Label: target, Conf: 0.99999
|
||
(4) Image: 'data/captcha/test/captcha_4501.png'
|
||
+ Label: target, Conf: 0.99997
|
||
(5) Image: 'data/captcha/test/captcha_4502.png'
|
||
+ Label: target, Conf: 0.99999
|
||
(6) Image: 'data/captcha/test/captcha_4503.png'
|
||
+ Label: target, Conf: 0.99997
|
||
(7) Image: 'data/captcha/test/captcha_4504.png'
|
||
+ Label: target, Conf: 0.99998
|
||
(8) Image: 'data/captcha/test/captcha_4505.png'
|
||
+ Label: target, Conf: 0.99998
|
||
```
|
||
|
||
样例结果：
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
## 协议
|
||
|
||
本项目基于开源 [GNU 协议](https://github.com/eriklindernoren/PyTorch-YOLOv3/blob/master/LICENSE)
|
||
，另外本项目不提供任何有关滑动轨迹相关模拟和 JavaScript 逆向分析方案。
|
||
|
||
本项目仅供学习交流使用，请勿用于非法用途，本人不承担任何法律责任。
|
||
|
||
如有侵权请联系个人删除，谢谢。
|