使用TensorFlow 來實現一個簡單的驗證碼識別過程

本文我們來用 TensorFlow 來實現一個深度學習模型，用來實現驗證碼識別的過程，這里識別的驗證碼是圖形驗證碼，首先我們會用標注好的數據來訓練一個模型，然后再用模型來實現這個驗證碼的識別。

1.驗證碼準備

這里我們使用 python 的 captcha 庫來生成即可，這個庫默認是沒有安裝的，所以這里我們需要先安裝這個庫，另外我們還需要安裝 pillow 庫

cdn.xitu.io/2019/5/27/16af775b82262772?imageView2/0/w/1280/h/960/format/webp/ignore-error/1">

安裝好之后，我們就可以用如下代碼來生成一個簡單的圖形驗證碼

可以看到圖中的文字正是我們所定義的內容，這樣我們就可以得到一張圖片和其對應的真實文本，接下來我們就可以用它來生成一批訓練數據和測試數據了。

2.預處理

在訓練之前肯定是要進行數據預處理了，現在我們首先定義好了要生成的驗證碼文本內容，這就相當于已經有了 label 了，然后我們再用它來生成驗證碼，就可以得到輸入數據 x 了，在這里我們首先定義好我們的輸入詞表，由于大小寫字母加數字的詞表比較龐大，設想我們用含有大小寫字母和數字的驗證碼，一個驗證碼四個字符，那么一共可能的組合是 (26 + 26 + 10) ^ 4 = 14776336 種組合，這個數量訓練起來有點大，所以這里我們精簡一下，只使用純數字的驗證碼來訓練，這樣其組合個數就變為 10 ^ 4 = 10000 種，顯然少了很多。

所以在這里我們先定義一個詞表和其長度變量：

這里 VOCAB 就是詞表的內容，即 0 到 9 這 10 個數字，驗證碼的字符個數即 CAPTCHA_LENGTH 是 4，詞表長度是 VOCAB 的長度，即 10。

接下來我們定義一個生成驗證碼數據的方法，流程類似上文，只不過這里我們將返回的數據轉為了 Numpy 形式的數組：

這樣調用此方法，我們就可以得到一個 Numpy 數組了，這個其實是把驗證碼轉化成了每個像素的 RGB，我們調用一下這個方法試試：

內容如下：

可以看到它的 shape 是 (60, 160, 3)，這其實代表驗證碼圖片的高度是 60，寬度是 160，是 60 x 160 像素的驗證碼，每個像素都有 RGB 值，所以最后一維即為像素的 RGB 值。

接下來我們需要定義 label，由于我們需要使用深度學習模型進行訓練，所以這里我們的 label 數據最好使用 One-Hot 編碼，即如果驗證碼文本是 1234，那么應該詞表索引位置置 1，總共的長度是 40，我們用程序實現一下 One-Hot 編碼和文本的互相轉換：

這里 text2vec() 方法就是將真實文本轉化為 One-Hot 編碼，vec2text() 方法就是將 One-Hot 編碼轉回真實文本。

例如這里調用一下這兩個方法，我們將 1234 文本轉換為 One-Hot 編碼，然后在將其轉回來：

這樣我們就可以實現文本到 One-Hot 編碼的互轉了。

接下來我們就可以構造一批數據了，x 數據就是驗證碼的 Numpy 數組，y 數據就是驗證碼的文本的 One-Hot 編碼，生成內容如下：

這里我們定義了一個 getrandomtext() 方法，可以隨機生成驗證碼文本，然后接下來再利用這個隨機生成的文本來產生對應的 x、y 數據，然后我們再將數據寫入到 pickle 文件里，這樣就完成了預處理的操作。

3.構建模型

有了數據之后，我們就開始構建模型吧，這里我們還是利用 traintestsplit() 方法將數據分為三部分，訓練集、開發集、驗證集：

接下來我們使用者三個數據集構建三個 Dataset 對象：

然后初始化一個迭代器，并綁定到這個數據集上：

接下來就是關鍵的部分了，在這里我們使用三層卷積和兩層全連接網絡進行構造，在這里為了簡化寫法，直接使用 TensorFlow 的 layers 模塊：

這里卷積核大小為 3，padding 使用 SAME 模式，激活函數使用 relu。

經過全連接網絡變換之后，y 的 shape 就變成了 [batchsize, nclasses]，我們的 label 是 CAPTCHALENGTH 個 One-Hot 向量拼合而成的，在這里我們想使用交叉熵來計算，但是交叉熵計算的時候，label 參數向量最后一維各個元素之和必須為 1，不然計算梯度的時候會出現問題。詳情參見 TensorFlow 的官方文檔：

https://www.tensorflow.org/apidocs/python/tf/nn/softmaxcrossentropywithlogits

但是現在的 label 參數是 CAPTCHALENGTH 個 One-Hot 向量拼合而成，所以這里各個元素之和為 CAPTCHALENGTH，所以我們需要重新 reshape 一下，確保最后一維各個元素之和為 1：

這樣我們就可以確保最后一維是 VOCAB_LENGTH 長度，而它就是一個 One-Hot 向量，所以各元素之和必定為 1。

然后 Loss 和 Accuracy 就好計算了：

再接下來執行訓練即可：

在這里我們首先初始化 traininitializer，將 iterator 綁定到 Train Dataset 上，然后執行 trainop，獲得 loss、acc、gstep 等結果并輸出。

訓練

運行訓練過程，結果類似如下：

測試

訓練過程我們還可以每隔幾個 Epoch 保存一下模型：

當然也可以取驗證集上準確率最高的模型進行保存。

驗證時我們可以重新 Reload 一下模型，然后進行驗證：