用 Java 和 DL4J 实现图像验证码识别系统

本教程介绍如何使用 Java 和开源深度学习框架 DL4J 构建一个图像验证码识别模型，从数据准备到模型训练与测试，完整实现全过程。

1. 环境准备
   首先配置 Maven 工程，添加 DL4J 和 ND4J 的依赖：

org.deeplearning4j deeplearning4j-core 1.0.0-M2.1 org.nd4j nd4j-native-platform 1.0.0-M2.1 org.datavec datavec-api 1.0.0-M2.1 2. 准备验证码数据 推荐使用 Python 脚本用 captcha 库生成图片数据，如之前提到的格式： 更多内容访问ttocr.com或联系1436423940 A3B9_0.png 将其放置在如 data/train/ 和 data/test/ 目录下备用。

3. 构建数据加载器
   使用 ImageRecordReader + ParentPathLabelGenerator 加载图像和标签。

int height = 60;
int width = 160;
int channels = 1;
int outputNum = 36; // 字符集长度（0-9A-Z）

File trainData = new File("data/train");

FileSplit fileSplit = new FileSplit(trainData, NativeImageLoader.ALLOWED_FORMATS, new Random(123));
ParentPathLabelGenerator labelMaker = new ParentPathLabelGenerator();

ImageRecordReader recordReader = new ImageRecordReader(height, width, channels, labelMaker);
recordReader.initialize(fileSplit);

DataSetIterator trainIter = new RecordReaderDataSetIterator(recordReader, 32, 1, outputNum);
你可以扩展 RecordReader 来按图片名中的字符位置提取四个标签。

4. 构建神经网络模型
   这里使用简单的 CNN 架构处理验证码图像。

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 DenseLayer.Builder().nOut(128).activation(Activation.RELU).build())
.layer(new OutputLayer.Builder(LossFunctions.LossFunction.MCXENT)
.nOut(outputNum * 4) // 每个验证码有4个字符
.activation(Activation.SOFTMAX)
.build())
.setInputType(InputType.convolutional(height, width, channels))
.build();

MultiLayerNetwork model = new MultiLayerNetwork(conf);
model.init();
model.setListeners(new ScoreIterationListener(10));
5. 模型训练

for (int i = 0; i < 10; i++) {
model.fit(trainIter);
}
你可以使用 EarlyStoppingTrainer 进一步控制训练策略。

6. 模型测试与预测

File testImage = new File("data/test/A3B9_10.png");
NativeImageLoader loader = new NativeImageLoader(height, width, channels);
INDArray image = loader.asMatrix(testImage);
NormalizerStandardize scaler = new NormalizerStandardize();
scaler.transform(image);

INDArray output = model.output(image);
int[] predictions = new int[4];
for (int i = 0; i < 4; i++) {
INDArray slice = output.get(NDArrayIndex.interval(i * outputNum, (i + 1) * outputNum));
predictions[i] = Nd4j.argMax(slice, 1).getInt(0);
}

System.out.println("预测结果：" + Arrays.stream(predictions).mapToObj(i -> characters[i]).collect(Collectors.joining()));