从下载到识别（Keras深度学习），一步步完成支付宝验证码的自动识别(带练习的训练集)

本教程仅供学习，不会提供任何可直接使用的模型和程序
使用深度学习框架Keras
python版本3.6
验证码主要是用于智能区分人机。而爬虫一部分得工作就是模拟人得行为去浏览。
自然就站在了对立面
今天带大家练习得是还在广泛使用的，定长型字符验证码

这个是支付宝得官网的登录验证码

而我们需要做的就是

自动化的识别验证码内容

既然使用到了深度学习，就需要先准备训练集
因为我这边已经有一个模型了，所以准备训练集的过程会简单很多，(但是大多数情况需要手动标注而且量需要数千上W才会有较好的效果或)

链接：https://pan.baidu.com/s/1Czw6sMjr3a7zqrrvvQ5JAg
提取码：27ks
站内下载地址

下载验证码的爬虫python代码，可以参考

'''
 支付宝验证码下载程序
'''

import requests
import time
import uuid

savePath = 'E:/captcha/alipay/'
for i in range(1, 5000):
    print(i)
    t = time.time()
    url = 'https://authem14.alipay.com/login/imgcode.htm?sessionID=2296f49bfd4f29b1da26053b0eedfcb3&t=' + str(t)
    session = requests.Session()
    session.headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/75.0.3770.100 Safari/531.36",
        "Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8,application/signed-exchange;v=b3",
        "Connection": "keep-alive"
    }
    response = session.get(url)
    imgName = str(uuid.uuid1()) + '.jpg'
    with open(savePath + imgName, "wb") as f:
        f.write(response.content)

开始训练

修改配置

首先是准备代码
代码的话是我之前准备的一个小工程
https://github.com/cycz/EasyCaptcha
有用的话帮忙star一下

找到这一个代码ImmutableCaptcha.py（这个是训练代码）

准备好python环境（包括tensorflow2.0以下，keras）

修改代码中几个配置就可以进行训练

修改验证码可能出现字符

验证码文件夹路径

验证码长度
这里验证码是四位的就填写4

模型名称和保存路径

这里我测试的验证码大概只有5000张
所以15轮就足以
如果成功率一直上不去
可以将轮次调大到几十上百轮

运行代码

看到这个就是已经成功的开始训练
给讲讲如何看这个输出

1. Epoch 1/15

这个是总轮次 以及目前多少轮

2. 256/5012

这个是一共多少样本和每批次训练多少，这里设定的是256（这个设大设小对模型学习也有一定影响）

3. loss: 19.5090 - c1_loss: 5.3098 - c2_loss: 4.4721 - c3_loss: 4.7025 - c4_loss: 5.0247

这一块有4个loss，每个loss都是损失值（这个数值越小越好，深度学习训练的过程，就是为了将损失值接近0）

1. c1_acc: 0.0195 - c2_acc: 0.0352 - c3_acc: 0.0156 - c4_acc: 0.0547

四个acc 就是分别是4位验证码的训练集识别成功率

经过15轮的训练，训练集成功率已经非常高了。
因为这里没有设置验证集，所以不代表模型的效果也会非常好
样本比较多的可以适当调整一下，分出一部分做验证集，防止模型过拟合

更多深度学习的知识样本调参，还是非常丰富的，大家可以自己了解

使用模型示例

找到这一个代码ImmutableCaptcha_loadModel.py（这个是训练代码）
这个是调用模型的一个样例

修改配置

均要和训练时保持一致

读取模型路径

使用程序运行

输入图片的路径、即可输出识别的内容

可见训练集内容还是比较准确
训练集外的还是差了一点点

推测是训练集少了一些的原因

弄成这样的接口供其他程序调用呢

这就需要其他web框架的配合
点个赞 下回分析