系列目录《Web安全之机器学习入门》笔记：第十七章 17.3 CNN识别恶意评论《Web安全之机器学习入门》笔记：第十七章 17.4 CNN识别垃圾邮件目录系列目录1、数据集特征化2、CNN模型构建3、数据集训练4、运行结果5、完整代码本小节通过tflearn库的CNN算法来识别验证码，由于本书多篇章节讲解MNIST图集的识别算法，故而本节主要重点关注在CNN的使用方法。LeNet是由Yann L
之前学习python的时候，想尝试用requests实现自动登陆，但是现在网站登陆都会有验证码保护，主要是为了防止暴力破解，任意用户注册。最近接触深度学习，cnn能够进行图像识别，能够进行验证码识别。主要步骤：1、采样制作样本文件2、根据样本文件类型创建识别模型3、对样本文件分为训练样本和测试样本来训练识别模型4、保存识别模型和验证第一步生成验证码，保存文件为generate_captcha.py
转载
2023-10-08 14:27:31
563阅读
前面学过数字识别（单任务），这里基于CNN来实现验证码（多任务的识别） 全部代码见：github(Tensorflow/10多任务学习） 注：本文使用在线生成验证码进行训练，如果需要离线使用TFRECORD方法，见github(Tensorflow/10多任务学习） 一：验证码图片生成 from c
转载
2020-11-12 16:44:00
468阅读
2评论
-- coding: utf-8 --“”" @Time : 19-9-20 下午8:12 @Author : lei @Site : @File : captcha_train.py @Software: PyCharm “”"import tensorflow as tf import os定义一个初始化权重的函数def weight_variables(shape): weight = tf
转载
2023-09-25 13:09:33
104阅读
MATLAB实现CNN一般会用到deepLearnToolbox-master。但是根据Git上面的说明，现在已经停止更新了，而且有很多功能也不太能够支持，具体的请大家自习看一看Git中的README。deepLearnToolbox-master是一个深度学习matlab包，里面含有很多机器学习算法，如卷积神经网络CNN，深度信念网络DBN，自动编码AutoEncoder(堆栈SAE，卷积CAE
转载
2024-05-10 07:09:38
22阅读
1.生成验证码，由于获取大量验证码较困难，所以即时生成验证码 2.对验证码文本进行one-hot编码 3.送入cnn网络进行训练 4.验证准确率生成的验证码进行了灰度化处理，并进行归一化当验证码长度为1时，经过几百步的更新后准确率就达到百分之八十多 长度为2时，经过8000时准确率约为75% 长度为6时，一万步后准确率约为10% 而且在开始的阶段，准确率为零持续了很长时间（让我一度怀疑哪里弄错了。
转载
2023-12-01 11:59:01
70阅读
手写数字识别2这次，我们使用CNN来实现手写数字识别。 CNN主要的层次：输入层 卷积层 激励层 池化层 全连接层 CNN（Convolutional neural network），即卷积神经网络。卷积为理解为一个信号与另外一个信号进行叠加，产生新的信号的过程。 在卷积神经网络中，可认为具有固定权重的滑动窗口与原窗口的数据进行对位相乘再相加的过程。# 说明：如果使用summary记录数据的话，会
转载
2024-05-02 16:57:39
23阅读
前言 验证码技术作为一种反自动化技术，使得很多程序的自动化工作止步。今天作者采用一些数字图像处理和CNN方法来识别较为简单的数字验证码实验步骤 实验步骤主要围绕以下展开图像预处理即滤除噪声和字符分割CNN搭建和训练验证码识别一. 图像预处理接下来，我将一张验证码0250为例，使用python语言和依赖opencv来
转载
2024-04-08 10:33:38
68阅读
https://github.com/nianxiongdi/deep-laering
原创
2023-03-23 08:53:29
117阅读
在python如何生成验证码小节，我们利用 captcha 库做了一个图形验证码产生器，可以产生带 one-hot 标签的图片数据集。本节将基于此数据集，建立一个卷积深度学习网络（CNN），并且训练之，希望可以识别破解此验证码数据集。CNN卷积深度学习网络的结构计划建立 5 层网络，前 3 层为卷积层，第 4、5 层为全连接层。对 4 层隐藏层都进行 dro
MATLAB数字验证码识别系统 1 研究背景 验证码（CAPTCHA）是“Completely Automated Public Turing test to tell Computers and Hunmans Apart”（全自动区分计算机和人类的图灵测试）的缩写，是一种区分当前用户是人类还是计算机的自动程序。在测试中，用户需要根据程序生成的一个问题做出正确的回答，程序据此来判断该用户是人类还
captcha_trainer 是基于深度学习的图片验证码的解决方案 - 该项目能够秒杀字符粘连重叠/透视变形/模糊/噪声等各种干扰情况，足以解决市面上绝大多数复杂
原创
2021-07-09 10:06:32
951阅读
# 使用CNN识别验证码的流程
## 概述
在这篇文章中，我将指导你如何使用Java和CNN（卷积神经网络）来识别验证码。首先，我们将讨论整个流程，并用表格展示每个步骤。然后，我将逐步引导你执行每个步骤，并提供相应的代码和注释来解释其作用。
## 流程图
```mermaid
journey
title 使用CNN识别验证码的流程
section 步骤1: 数据准备
原创
2023-12-28 09:19:59
76阅读
一、简介常用文本识别算法有两种：CNN+RNN+CTC（CRNN+CTC）CNN+Seq2Seq+Attention其中CTC与Attention相当于是一种对齐方式，具体算法原理比较复杂，就不做详细的探讨。其中CTC可参考这篇博文，关于Attention机制的介绍，可以参考我的另一篇博文。CRNN 全称为 Convolutional Recurrent Neural Network，在2015年
转载
2024-06-10 10:30:46
58阅读
导语自动化测试中，例如使用selenium测试web页面，在定位元素、识别元素、确认元素内容时会遇到，目标元素不可被获取、目标元素是图片无法获取到文本、目标元素动态变化无法定义预期值等，遇到以上种种便阻碍了测试脚本的进行，所以选择图像识别来实现以上无法完成的动作。原理及环境搭建在原有的python环境外（作者使用python3.7），实现图像识别首先安装tesseract后端引擎，用于支撑OCR识
转载
2024-10-14 14:31:57
59阅读
完整代码：GitHub我的简书：Awesome_Tang的简书整个项目代码分为三部分
原创
2022-02-22 11:36:26
272阅读
整个项目代码分为三部分：Generrate_Captcha:生成验证码图片（训练集，验证集和测试集）；读取图片数据和标签（标签即为图片文件名）；cnn_model:卷积神经网络；driver:模型训练及评估。1、配置项class Config(object): width = 160 # 验证码图片的宽 height = 60 # 验证码图片的高 char_num = 4
转载
2021-04-06 10:57:01
509阅读
完整代码：GitHub我的简书：Awesome_Tang的简书整个项目代码分为三部分：Generrate_Captcha:生成验证码图片（训练集，验证集和测试集）；读取图片
原创
2021-09-08 14:12:12
454阅读
下面是我对验证码识别步骤的分析一、预处理 1、读入一幅图像（彩色），对其进行灰度化 RGB系统中一个颜色值由3个分量组成，这样的图像称为彩色图像，RGB系统称为颜色空间模型。 灰度化的方法有一下几种： g (x,y）=[ R(x,y)+ G(x,y)+ B(x,y)] / 3 g (x,y）= 0.
转载
2024-05-26 20:31:41
86阅读
Mnist数据集是深度学习入门的数据集，昨天发现了Chinese-Mnist数据集，与Mnist数据集类似，只不过是汉字数字，例如‘一’、‘二’、‘三’等，本次实验利用自己搭建的CNN网络实现Chinese版的手写数字识别。1.导入库import tensorflow as tf
import matplotlib.pyplot as plt
import os,PIL,pathlib
impor
转载
2024-03-15 05:11:26
78阅读
