基于深度学习的12306验证码识别程序。
1.1准备工作
下载caffe并编译,具体可参考官方文档,此处不再赘述.
修改src/config.py中的caffe根目录和项目根目录.
pip安装easydict,skimage等.
1.2数据
通过运行src/tools/download_image.py,会将12306验证码下载至data/download/all目录.
下载完成后,通过运行src/tools/cut_image.py,会将其裁剪为图片和文字两部分,分别放在data/download/image目录和data/download/words目录.
修改src/image/scripts/words.py文件main方法中cut方法的参数(其参数为data/download/words中子目录的words_*中的数字), 它的目的是处理data/download/words中的所有子文件,对多个词语进行分割并调整大小为固定值.
然后手工对其进行分类,分别放至data/image和data/words目录.可以将其分为两部分，分别放在对应的train和test目录.比如,一个示例目录如下:
-image--test---蜡烛----1-1.jpg---沙漠----2-1.jpg--train---蜡烛----1-2.jpg---沙漠----2-2.jpg图片部分
运行src/image/scripts/create_data.py,将会生成图片部分对应的train.txt和test.txt,里面包含着训练和测试文件及其类别列表.
运行src/image/scripts/create_lmdb.sh,将会生成图片部分对应的lmdb文件.
文字部分运行src/words/scripts/create_data.py,将会生成文字部分对应的train.txt和test.txt,里面包含着训练和测试文件及其类别列表.
运行src/words/scripts/create_lmdb.sh,将会生成文字部分对应的lmdb文件.
1.3参数可以根据实际情况对src/image/model/image_solver.prototxt和src/words/model/words_solver.prototxt文件进行修改.具体修改方法可参考其他模型.
1.4开始训练src/image/scripts/image_train.sh和src/image/scripts/image_finetune_train.sh脚本分别用来进行从头训练/微调训练,训练方法可参考caffe模型训练方法.
同理：
src/words/scripts/words_train.sh和src/words/scripts/words_finetune_train.sh脚本分别用来进行从头训练/微调训练,训练方法可参考caffe模型训练方法.
测试
src/web提供了一个web测试界面,运行index.py即可. 运行前,可以更改对应的模型文件名称. 一个简单示例如下:
评论