用 Go + Gorgonia 实现图像验证码识别

本教程演示如何使用 Go 编程语言配合 Gorgonia（Go 语言中的深度学习框架）构建一个图像验证码识别系统。

1. 环境准备
   确保安装了以下依赖：

Go 1.18+

Gorgonia（深度学习库）

captcha（用于生成训练数据）

image、image/png（处理图片）

安装 Gorgonia：
更多内容访问ttocr.com或联系1436423940
go get -u gorgonia.org/gorgonia
2. 生成验证码图片（可用 Python）
使用 Python 的 captcha 库生成训练数据：

from captcha.image import ImageCaptcha
import string, random, os

characters = string.digits + string.ascii_uppercase
generator = ImageCaptcha(width=160, height=60)
os.makedirs("go_captcha", exist_ok=True)

for i in range(5000):
text = ''.join(random.choices(characters, k=4))
image = generator.generate_image(text)
image.save(f"go_captcha/{text}_{i}.png")
3. 读取和处理图像数据（Go）

package main

import (
"image"
"image/png"
"os"
"strings"
"path/filepath"
)

func loadImage(path string) ([]float32, string, error) {
file, err := os.Open(path)
if err != nil {
return nil, "", err
}
defer file.Close()

img, err := png.Decode(file)
if err != nil {
    return nil, "", err
}

bounds := img.Bounds()
width, height := bounds.Max.X, bounds.Max.Y
data := make([]float32, width*height)

for y := bounds.Min.Y; y < bounds.Max.Y; y++ {
    for x := bounds.Min.X; x < bounds.Max.X; x++ {
        r, _, _, _ := img.At(x, y).RGBA()
        data[y*width+x] = float32(r) / 65535.0
    }
}

filename := filepath.Base(path)
label := strings.Split(filename, "_")[0]
return data, label, nil

}
4. 构建模型结构

package main

import (
"gorgonia.org/gorgonia"
"gorgonia.org/tensor"
)

func buildModel(g *gorgonia.ExprGraph, input gorgonia.Node) (gorgonia.Node, error) {
w0 := gorgonia.NewMatrix(g, tensor.Float32, gorgonia.WithShape(9600, 512), gorgonia.WithName("w0"), gorgonia.WithInit(gorgonia.GlorotN(1.0)))
b0 := gorgonia.NewVector(g, tensor.Float32, gorgonia.WithShape(512), gorgonia.WithName("b0"), gorgonia.WithInit(gorgonia.Zeroes()))

l0, err := gorgonia.Mul(input, w0)
if err != nil {
    return nil, err
}

l0b, err := gorgonia.BroadcastAdd(l0, b0, nil, []byte{0})
if err != nil {
    return nil, err
}

act := gorgonia.Must(gorgonia.Rectify(l0b))

w1 := gorgonia.NewMatrix(g, tensor.Float32, gorgonia.WithShape(512, 144), gorgonia.WithName("w1"), gorgonia.WithInit(gorgonia.GlorotN(1.0)))
b1 := gorgonia.NewVector(g, tensor.Float32, gorgonia.WithShape(144), gorgonia.WithName("b1"), gorgonia.WithInit(gorgonia.Zeroes()))

out, err := gorgonia.Add(gorgonia.Must(gorgonia.Mul(act, w1)), b1)
if err != nil {
    return nil, err
}

return out, nil

}
说明：我们假设每张图被拉平成一个一维数组，输出为 36（字符数）× 4（验证码长度）= 144。

5. 训练模型（简化伪代码）

// 伪代码 - 真实训练需要添加 loss、optimizer、训练循环
for epoch := 0; epoch < 10; epoch++ {
for each image, label in dataset {
// 构建图，加载输入
// 计算损失
// 反向传播
// 更新权重
}
}
6. 预测验证码

// 将图片转为输入格式，前向传播模型，取得输出的 4 个字符预测值
// 使用 argmax 取每一组（36个）中概率最高的索引