YOLOV5识别滑块和缺口

  • 前言
  • 一、YOLOV5
  • 二、数据集标注
  • 三、训练
  • 总结


前言

在上一篇文章中，总体概述了滑块该种类型滑块验证码的识别方案。今天这篇文章将阐述如何使用YOLOv5来识别滑块和缺口

一、YOLOV5

YOLOV5是一种实用方便的目标检测框架，能够很容易的就使用起来，非常友好，只需要准备好自己的数据集，就可以完成自定义的目标检测任务。因此，在这个项目中我选择了YOLOv5来快速实现我的需求。

二、数据集标注

当我们有了自己的数据集后，首先做的就是给自己的数据集打上标签。这里数据集标注我使用lableImg软件，通过它分别标注图片上滑块和缺口这两个类别。需要注意的是，该类型验证码是有两个缺口。一个是目标缺口一个是干扰缺口，我们都将两种缺口标记为一种类型。等后面

再做处理。

opencv识别滑动验证码 opencv识别滑块_计算机视觉


当我们数据集标注好后就可以进行训练了！

三、训练

YOLOv5的使用网上已经有很多教程，这里训练过程使用中并没有什么不同，参数上也只是修改训练集测试集的路径，配置文件中的检测类别数，还有使用的具体模型（yolov5l）。训练完发现效果特别好，基本都能识别出滑块和缺口的位置，下面是识别的效果图。

opencv识别滑动验证码 opencv识别滑块_滑块_02

opencv识别滑动验证码 opencv识别滑块_opencv_03

总结

以上就是今天分享的使用YOLOv5对滑块验证码的滑块和缺口进行识别。我们使用深度学习方法来识别滑块和缺口，主要是因为这类验证码背景干扰很强，传统方法会被干扰，从而经常出现缺口位置识别错误的情况。现在已经识别出滑块和缺口的位置，如果是只有一个缺口的验证码已经就到此结束，但是这类的验证码还有个干扰缺口，下一篇将分享下如何对定位出的图片进行缺口滑块切片，然后使用opencv的方法对滑块和两个缺口分别进行相似度比较，进而识别出目标缺口。