在针对一个网站的RPA技术中，验证码识别也是一个很常见的需要解决的问题。如下图所示的验证码：前面在我的博客中所讲的内容是单标签多分类，例如一个手写数字图片，分出10类，得到这个图片表示的1个字符信息，而验证码一般是多个字符，每一个字符均有多个类别，因此验证码识别的问题就属于多标签多分类问题，在这里不能用之前识别手写数字的方法来进行验证码识别。 本文的开发环境如下： tensorflow 2.5.0
转载
2024-07-29 22:34:41
107阅读
文章目录1. tf安装及神经网络示例2. Variable变量3. placeholder占位符4. 激励函数 1. tf安装及神经网络示例TensorFlow安装教程 网上也有很多安装教程，请自行搜索安装！ 首先说一下tf（tensorflow简写）中graph和session的关系: TensorFlow是一种“符号式编程框架”，首先要构造一个图（graph），然后在会话（Session）上
本节我们来用 TensorFlow 来实现一个深度学习模型，用来实现验证码识别的过程，这里我们识别的验证码是图形验证码，首先我们会用标注好的数据来训练一个模型，然后再用模型来实现这个验证码的识别。验证码首先我们来看下验证码是怎样的，这里我们使用 Python 的 captcha 库来生成即可，这个库默认是没有安装的，所以这里我们需要先安装这个库，另外我们还需要安装 pillow 库，使用 pip3
原创
2021-01-19 15:01:48
2031阅读
OCR（Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。如何除错或利用辅助信
转载
2024-03-13 10:42:21
100阅读
导读
对于人类来说，识别手写的数字是一件非常容易的事情。我们甚至不用思考，就可以看出下面的数字分别是1，2，3。
本期将使用Tensorflow搭建卷积神经网络，进行手写数字的识别。代码可关注公众号 IamZLT ，后台回复「手写数字识别」即可免费获取。
本系列文章
Part1：基于CNN的数字OCR识别
转载
2024-03-04 09:33:04
132阅读
最初的代码不是我写的，别人给我的，源代码的作者已经不知道了，抱歉，在简书上找到类似的TensorFlow练习20: 使用深度学习破解字符验证码。这里我作为一个初学者，打算从零开始记录我学习的全过程。一、验证码识别1.下载图片存储并转为数组import os,requests,re
import random
import numpy as np
from PIL import Image
from
验证码识别方法传统的机器学习方法，对于多位字符验证码都是采用的 化整为零 的方法：先分割成最小单位，再分别识别，然后再统一。卷积神经网络方法，直接采用 端到端不分割 的方法：输入整张图片，输出整个图片的标记结果，具有更强的通用性。端到端 的识别方法显然更具备优势，因为目前的字符型验证码为了防止被识别，多位字符已经完全融合粘贴在一起了，利用传统的技术基本很难实现分割了。卷积神经网络方法步骤gener
转载
2024-05-26 22:15:32
81阅读
建立虚拟环境Anaconda安装好之后，我们使用它，可以有很多的虚拟环境，这是优点，缺点是启动时会占空间，开辟那么多虚拟环境，里面的包是单独的，不能共用，硬盘是会有占用的。 打开Anaconda Propmt，在(base)得环境下操作。 前面小括号里的就是当前在使用的环境名称，base是最基本的，里面包是比较全的。建立名为 tf ，Python版本号为3.6的虚拟环境：conda create
转载
2024-04-18 11:52:07
49阅读
tensorflow训练验证码识别模型的样本可以使用captcha生成，captcha在linux中的安装也很简单：
pip install captcha
生成验证码：
# -*- coding: utf-8 -*-
from captcha.image import ImageCaptcha # pip install captcha
import numpy as np
fro
转载
2018-01-08 21:51:00
321阅读
2评论
https://github.com/nianxiongdi/deep-laering
原创
2023-03-23 08:53:29
117阅读
前言tensorflow是深度学习中的一个非常好的一个框架，可以实现人工智能的很多方面，而卷积神经网络是一种非常好的一个神经网络，卷积神经网络的基础就是线性回归的问题。在我上一篇博客就讲解了用两层卷积网络来实现识别mnist手写数字的识别，而这篇博客就写一下卷积神经网络实现验证码的识别。步骤这里步骤可以分为两种，一种是先生成图片和标签，然后把图片和标签一起存在tfrcords文件当中，这里读取的时
这一专栏，将以目的为导向，以简化或自动化完成工作任务为目标，将Python运用于实践中，解决实际问题，以激发读者对这门脚本语言的学习兴趣。在开始Python自动化相关实战的学习前，建议对 Python语言本身 以及 Python 爬虫 的相关知识展开一定的学习与了解。对此博客已开设相关专栏，可直达。往期内容提要： 【Python基础】 动态HTML处理之Selenium与PhantomJS
【P
前言在我们写爬虫的过程中，目标网站常见的干扰手段就是设置验证码等，本就将基于Selenium实战讲解如何处理弹窗和验证码，爬取的目标网站为某仪器预约平台可以看到登录所需的验证码构成比较简单，是彩色的标准数字配合简单的背景干扰****因此这里的验证码识别不需要借助人工智能的手段，可直接利用二值法对图片处理后交给谷歌的识别引擎tesseract-OCR即可获得图中的数字。注：selenium 
转载
2024-05-03 19:54:45
85阅读
Java 验证码识别库 Tess4j 学习
【在用java的Jsoup做爬虫爬取数据时遇到了验证码识别的问题（基于maven），找了网上挺多的资料，发现Tess4j可以自动识别验证码，在这里简单记录下学习过程及遇到的一些问题。】 步骤：把tessreact项目里面的tessdata文件夹提取出来放在某个位置：https://github.com/tesseract-ocr/
转载
2023-09-09 23:19:32
166阅读
我们宣布为 TensorFlow 引入即时执行。即时执行是一个由运行定义的命令式接口，在这个接口中，运算将在从 Python 调用时立即执行。这样可以让 TensorFlow 的入门变得更加简单，并让研发变得更加直观。 即时执行的好处包括：快速调试即时运行时错误以及与 Python 工具集成支持使用易用型 Python 控制流的动态模型为自定义和高阶渐变提供强大支持适用于几乎所有可用的 Tenso
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
TensorFlow 可以用来实现验证码识别的过程，这里识别的验证码是图形验证码，首先用标注好的数据来训练一个模型，然后再用模型来实现这个验证码的识别。生成验证码 首先生成验证码，这里使用 Python 的 captcha 库来生成即可，这个库默认是没有安装的，所以需要先安装这个库，另外还需要安装 pillow 库，使用 pip3 即可：pip3 install captcha pillow
原创
2022-03-23 14:40:21
1061阅读
一、简介初次开始使用Selenium，于是开始用登录作为联手项目，是一个真实的登录界面，包含验证码（验证码是难点，获取与识别），以下会讲的很详细，我怕我下次又忘记了 我采用Selenium + python + 百度云OCR，安装等教程自行百度，我就不多说了二、selenium打开浏览器获取相应elfrom selenium import webdriver
from selenium.webdr
转载
2024-06-28 07:40:21
397阅读
