文字点选、选字、选择文字验证码识别
特点
纯pytorch实现，无需安装其他复杂依赖
识别速度约在100~200ms之间，使用GPU话会更快
方式二的话速度约为50ms
如果需要使用GPU来进行推理的话 卸载onnxruntime安装onnxruntime-gpu
本次进行了一次大的版本更新，检测模型从yoloV3->yoloV5,cnn模型和crnn模型都增加了新的数据重新训练了。
识别速度和准确率都有了大幅度的提升，使用cpu的情况下单次识别速度在100ms以内，识别准确率达到了惊人的99%。
此次更新把cnn和crnn模型转换成onnx,用来提高cpu推理速度，优化代码结构，修复其中一些bug和删除了一些不必要的代码。
新版代码克隆可直接使用，旧版代码在dev分支
本项目仅供学习交流使用，请勿用于非法用途，不得在任何商业使用，本人不承担任何法律责任。
百度网盘
链接：https://pan.baidu.com/s/1FF6A-YZAE1Bofgswp-D29w
提取码：ceow
识别逻辑
方式一
1、利用yolo框选出给出的文字和图中出现的文字，作为题目
2、利用crnn识别给定的文字，作为答题范围
3、根据答题范围，利用cnn预测图片中出现的文字是那个
方式二(kenlm计算的方式总是不太理想，先去掉此种方式)
1、利用yolo框选图中出现的文字
2、利用cnn识别图中文字
3、利用kenlm计算各种组合情况，选择困惑度最低的,获得正确的词语
1、安装python3.6（建议使用anconda）
2、建立虚拟环境
3、pip install -r requirements.txt
python dome.py结果如下
[
{
"crop": [
231,
173,
297,
248
],
"classes": "target",
"content": "拌"
},
{
"crop": [
0,
344,
114,
385
],
"classes": "title",
"content": "凉拌牛肚"
},
{
"crop": [
58,
189,
125,
265
],
"classes": "target",
"content": "牛"
},
{
"crop": [
231,
271,
297,
343
],
"classes": "target",
"content": "肚"
},
{
"crop": [
201,
79,
265,
152
],
"classes": "target",
"content": "凉"
}
]
以bilbil登录验证码为例
python bilbil.py
如果觉得我的项目对您有用，请随意打赏。您的支持将鼓励我继续创作！
o(￣︶￣)o
如有什么问题欢迎各位在lssues中提问
有其他问题或需求请联系邮件[email protected]
https://github.com/ypwhs/captcha_break
https://github.com/eriklindernoren/PyTorch-YOLOv3
https://github.com/meijieru/crnn.pytorch
https://github.com/chineseocr/chineseocr
https://github.com/JiageWang/hand-writing-recognition
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent