Java 与 DL4J 实现图像验证码识别

本文介绍如何使用 Java 编程语言和 DL4J 深度学习框架构建一个验证码识别模型，覆盖数据生成、模型训练和预测过程。

项目准备
依赖（Maven）：

org.deeplearning4j
deeplearning4j-core
1.0.0-beta7

org.nd4j
nd4j-native-platform
1.0.0-beta7

org.datavec
datavec-api
1.0.0-beta7

2. 生成验证码数据
   使用第三方库生成验证码图像，可以用 Java 的 JCaptcha、Kaptcha 或 Python 脚本预先生成：
   python generate_captcha.py # 可参考 Python 脚本，生成 PNG 图片文件命名如 ​​A2B9_1.png​​，以标签开头。
   数据加载与预处理
   int height = 60;
   int width = 160;
   int channels = 3;
   int captchaLength = 4;
   int batchSize = 32;
   更多内容访问ttocr.com或联系1436423940
   File dataDir = new File("captcha_samples");
   ParentPathLabelGenerator labelMaker = new ParentPathLabelGenerator();
   FileSplit fileSplit = new FileSplit(dataDir, NativeImageLoader.ALLOWED_FORMATS);
   ImageRecordReader recordReader = new ImageRecordReader(height, width, channels, new CaptchaLabelExtractor());

recordReader.initialize(fileSplit);

DataSetIterator dataIter = new RecordReaderDataSetIterator(recordReader, batchSize, 1, 36);你需要自定义 ​​CaptchaLabelExtractor​​ 类，根据文件名解析验证码字符并转换为 one-hot 编码。
4. 构建模型结构（CNN + Dense）
MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
.updater(new Adam(0.001))
.list()
.layer(new ConvolutionLayer.Builder(5, 5)
.nIn(channels)
.nOut(32)
.activation(Activation.RELU)
.build())
.layer(new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX)
.kernelSize(2,2).build())
.layer(new ConvolutionLayer.Builder(3, 3)
.nOut(64)
.activation(Activation.RELU)
.build())
.layer(new DenseLayer.Builder().nOut(256).activation(Activation.RELU).build())
.layer(new OutputLayer.Builder(LossFunctions.LossFunction.MCXENT)
.nOut(36 * captchaLength)
.activation(Activation.SOFTMAX).build())
.setInputType(InputType.convolutional(height, width, channels))
.build();

MultiLayerNetwork model = new MultiLayerNetwork(conf);
model.init();注意输出层的 ​​nOut​​ 是 ​​36 * 4​​，用于每个字符的预测。
5. 模型训练
model.fit(dataIter, 10); // 训练10轮你可以在每轮结束后用模型预测一个验证码图片，检查预测结果。
6. 预测单张图片
NativeImageLoader loader = new NativeImageLoader(height, width, channels);
INDArray image = loader.asMatrix(new File("captcha_samples/Z8F1_0.png"));

NormalizerStandardize scaler = new NormalizerStandardize();
scaler.transform(image);

INDArray output = model.output(image);
int[] predicted = new int[captchaLength];

for (int i = 0; i < captchaLength; i++) {
INDArray slice = output.get(point(0), interval(i * 36, (i + 1) * 36));
predicted[i] = Nd4j.argMax(slice, 1).getInt(0);
}

for (int idx : predicted) {
System.out.print(characters[idx]);
}