tensorflow：验证码的识别（上）

验证码的识别

主要分成四个部分：验证码的生成、将生成的图片制作成tfrecord文件、训练识别模型、测试模型

使用pyCharm作为编译器。本文先介绍前两个部分

 

验证码的识别有两种方法：

验证码识别方法一：

把标签转为向量，向量长度为40。（4位数字验证码）

例如有一个验证码为0782，

它的标签转为长度为40的向量。采用one-hot编码。1000000000 0000000100 0000000010 0010000000

其实就是把验证码作为索引值。数字存在，就将该位置的数值置为1

 

验证码识别方法二：

拆分为4个标签

例如有一个验证码为0782，

Label0：1000000000
Label1：0000000100
Label2：0000000010
Label3：0010000000

可以使用多任务学习

 

先介绍识别方法二，采用多任务学习，联合训练，将一个标签拆成4个

 

其中X是输入，Shared Layer就是一些卷积与池化操作，Task1-4对应四个标签，产生四个loss，将四个loss求和得总的loss，用优化器优化总的loss，从而降低每个标签产生的loss。

 

一、验证码的生成

# 验证码生成库
from captcha.image import ImageCaptcha
import numpy as py
# 处理图像的包
from PIL import Image
import random
import sys

number = ['0','1','2','3','4','5','6','7','8','9']
# alphabet = ['a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z']
# ALPHABET = ['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z']

def random_captcha_text(char_set=number, captcha_size=4):
    # 验证码列表
    captcha_text = []
    for i in range(captcha_size):
        # 随机选择
        c = random.choice(char_set)
        # 加入验证码列表
        captcha_text.append(c)
    return captcha_text

# 生成字符对应的验证码
def gen_captcha_text_and_image():
    image = ImageCaptcha()
    # 获得随机生成的验证码
    captcha_text = random_captcha_text()
    # 把验证码列表转化为字符串
    captcha_text = ''.join(captcha_text)
    # 根据字符串生成验证码
    captcha = image.generate(captcha_text)
    image.write(captcha_text, 'captcha/images/' + captcha_text + '.jpg')  # 写到文件

# 0000~9999总共10000，但是数量少于10000，因为重名
num = 10000

if __name__ == '__main__':
    for i in range(num):
        gen_captcha_text_and_image()
        sys.stdout.write('\r>> Creating image %d/%d' % (i+1, num))
        sys.stdout.flush()
    sys.stdout.write('\n')
    sys.stdout.flush()

    print("生成完毕")

使用四位数字验证码，当然也可以加入大、小写字母。四位字母有10000种可能。0000~9999，但是生成的图片是少于10000张的，因为有重名图片

生成的图片如下：

其中每张图片的label就是其中的数字。如图中的图片label为0000，其名称为0000.jpg

二、将生成的图片制作成tfrecord文件

import tensorflow as tf
import os
import random
import math
import sys
from PIL import Image
import numpy as np

# 验证集的数量
_NUM_TEST = 500

# 随机种子
_RANDOM_SEED = 0

# 数据集路径
DATASET_DIR = "F:/PyCharm-projects/第十周/captcha/images/"

# tfrecord文件存放路径
TFRECORD_DIR = "F:/PyCharm-projects/第十周"

# 判断tfrecord文件是否存在
def _dataset_exists(dataset_dir):
    for split_name in ['train', 'name']:
        output_filename = os.path.join(dataset_dir, split_name + '.tfrecords')
        if not tf.gfile.Exists(output_filename):
            return False
    return True

# 获取验证码所有图片
def _get_filenames_and_classes(dataset_dir):
    photo_filenames = []
    for filename in os.listdir(dataset_dir):
        # 获取文件路径
        path = os.path.join(dataset_dir, filename)
        photo_filenames.append(path)
    return photo_filenames

def int64_feature(values):
    if not isinstance(values, (tuple, list)):
        values = [values]
    return tf.train.Feature(int64_list=tf.train.Int64List(value=values))

def bytes_feature(values):
    return tf.train.Feature(bytes_list=tf.train.BytesList(value=[values]))

def image_to_tfexample(image_data, label0, label1, label2, label3):
    return tf.train.Example(features=tf.train.Features(feature={
        'image':bytes_feature(image_data),
        'label0':int64_feature(label0),
        'label1': int64_feature(label1),
        'label2': int64_feature(label2),
        'label3': int64_feature(label3),
    }))

# 把数据转化为tfrecord格式
def _convert_dataset(split_name, filenames,dataset_dir):
    assert split_name in ['train', 'test']

    with tf.Session() as sess:
        # 定义tfrecord问津的路径+名字
        output_filename = os.path.join(TFRECORD_DIR, split_name + '.tfrecords')
        with tf.python_io.TFRecordWriter(output_filename) as tfrecord_writer:
            for i, filename in enumerate(filenames):
                try:
                    sys.stdout.write('\r>> Converting image %d/%d' % (i+1, len(filenames)))
                    sys.stdout.flush()

                    # 读取图片
                    image_data = Image.open(filename)
                    # 根据模型的结构resize
                    image_data = image_data.resize((224, 224))
                    # 由于验证码是彩色的，但是我们识别验证码并不需要彩色，灰度图就可以。这样可以减少计算量
                    image_data = np.array(image_data.convert('L'))
                    # 将图片转化为bytes
                    image_data = image_data.tobytes()

                    # 获取level  验证码的前4位就是它的level
                    labels = filename.split('/')[-1][0:4]
                    num_labels = []
                    for j in range(4):
                        num_labels.append(int(labels[j]))

                    # 生成protocol数据类型
                    example = image_to_tfexample(image_data, num_labels[0], num_labels[1], num_labels[2], num_labels[3])
                    tfrecord_writer.write(example.SerializeToString())

                except IOError as e:
                    print('Cloud not read:', filename)
                    print('Error:', e)
                    print('Skip it\n')
    sys.stdout.write('\n')
    sys.stdout.flush()

# 判断tfrecord文件是否存在
if _dataset_exists(TFRECORD_DIR):
    print('tfrecord文件已存在')
else:
    # 获得所有图片
    photo_filenames = _get_filenames_and_classes(DATASET_DIR)

    # 把数据切分为训练集和测试集，并打乱。我们在后面还是会打乱的。这里不打乱也可以
    random.seed(_RANDOM_SEED)
    random.shuffle(photo_filenames)
    training_filenames = photo_filenames[_NUM_TEST:]
    testing_filenames = photo_filenames[:_NUM_TEST]

    # 数据转换
    _convert_dataset('train', training_filenames, DATASET_DIR)
    _convert_dataset('test', testing_filenames, DATASET_DIR)
    print('生成tfrecord文件')

制作test.tfrecords、train.tfrecords。选取500张图片作为测试集