试着识别了一波知乎那个奇怪的汉字验证码, 正确率高的惊人...

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 2805 天前的主题，其中的信息可能已经有所发展或是发生改变。

作为一个垃圾大学平时吃饱了撑得闲的没什么研究的研究生, 自学了一点概率论和机器学习

偶然上知乎时发现这个验证码很骚气
https://raw.githubusercontent.com/muchrooms/zheye/master/zhihu.png
https://www.zhihu.com/captcha.gif?type=login&lang=cn

就手贱识别了一下
发现那个效果还不错..
https://github.com/muchrooms/zheye 附在线测试地址

快毕业要找工作了, 来讨个星星 _(:3 」∠)_
学弱求轻拍, 小水管求不黑

顺便听取一下各位前辈在学习方面有什么批评建议, 给小弟指条明路

第 1 条附言 · 2017-04-25 12:27:39 +08:00

好多人都点了收藏呀 ╮(￣▽￣)╭

知乎

验证码

条明路

识别

21 条回复 • 2018-03-01 11:36:42 +08:00

trys1

2017-04-24 23:29:02 +08:00 via Android

已加星，请付款

zhihaofans

2017-04-24 23:33:44 +08:00 via iPhone

已 star ，明天试试

davidzhanwork

2017-04-24 23:39:34 +08:00 via Android

很不错~ 都是对的

已 star

muchrooms

2017-04-24 23:53:05 +08:00

@trys1 好的王老板, 还是按一个一块五是吧

Sunnyyoung

2017-04-24 23:55:53 +08:00 via iPhone

Cool

muchrooms

2017-04-24 23:58:33 +08:00

@zhihaofans
@davidzhanwork 谢谢~

ypw

2017-04-25 00:10:10 +08:00 via iPhone

你的模型还有很多可以改进的地方，比如卷积层可以加多一些，卷积核大小用 3x3 而不是 5x5 ，用多个卷积卷积池化结构逐步降维，去掉全连接层，只保留分类器， Dropout 只放在最后一个分类器前面等。你的模型由于降维不够，导致了很严重的过拟合，所以验证集只有 90%的准确率。

我也写过一篇验证码识别的文章，可以识别数字和字母: https://zhuanlan.zhihu.com/p/26078299

muchrooms

2017-04-25 00:50:24 +08:00

@ypw 没有用 dropout 后来换了 batch norm, 以求加速. 卷积核大小的确导致了过拟合, 但我自己生成的图像和原图还不是完全一样, 其实最开始用 LeNet 实验的时候验证集都能到 99%, 但是用在真实的验证码上效果却有些糟糕.. 所以当初只是想更泛化一点.. 卷积层就无奈了, 笔记本性能渣, 真的不能太多层了, 我这个破 diaosiNet 这都训练了一晚上 2333

谢谢你的建议, 我后续再改良一下 )

yuanchao

2017-04-25 09:44:29 +08:00

6666 已 star

muchrooms

2017-04-25 11:32:56 +08:00

@yuanchao 哈哈哈谢谢

Jackeriss

2017-04-25 13:08:47 +08:00

说句题外话， Github 建议上传个头像。

ccw55

2017-04-25 16:29:14 +08:00

我也想入门一下机器学习，楼主能指导指导小弟吗

muchrooms

2017-04-25 17:46:34 +08:00

@Jackeriss ok 因为看着像小号吗...
@ccw55 我也算个小学生, 水平有限能力一般, 一起努力学呗~

J0022ZjV7055oN64

2017-04-26 10:41:59 +08:00

之前知乎的汉字以及字母文字验证码都有 bug
https://www.youtube.com/embed/4V5f9n78l9Q

muchrooms

2017-04-26 22:11:22 +08:00

@yansyuei 666 啊

xiaoxiaowm

2017-07-10 11:10:34 +08:00

@muchrooms 你的两分类问题，程序刚开始学习的时候是不是基本是从识别率 50%，然后通过一个版本一个版本的学习慢慢成绩才上去的？我弄了一个识别验证码的，有 50 多个分类，学习的时候，正确率总是在百分之二左右，是不是要经过 N 多版本的学习才行？

muchrooms

2017-07-10 11:41:02 +08:00

@xiaoxiaowm 你好，开始准确率(accuracy)就是 50%。因为一开始参数会随机初始化，导致模型按照平均分布瞎猜，所以 n 分类的初始准确率是 1/n。每一次 epoch 会提高训练集的成绩，但不一定提高测试集准确率。

50 多个分类不太容易吧，模型会复杂很多。多画个几图看看，有技巧

xiaoxiaowm

2017-07-10 12:59:52 +08:00

@muchrooms 我看到你的模型里有 zheyeV3.keras,zheyeV5.keras，这几个版本，是不是训练一次把模型保存下来，下次再 load 进来，再做训练，就是另一个版本了

muchrooms

2017-07-10 14:40:14 +08:00

@xiaoxiaowm 也可以, 但我没这么搞

xiaoxiaowm

2018-03-01 10:47:10 +08:00

@muchrooms 你好，原来向你请教过问题，后来自己弄那个验证码也没有研究出来，你方便加你 QQ 或者是微信交流一下吗？算是找你当老师了，付点费也行，我的 qq 是 642070630，微信是 15010226280

xiaoxiaowm

2018-03-01 11:36:42 +08:00

@xiaoxiaowm 不是多少钱，只是表示自己学习的诚心