##基于神经网络的swjtu教务网登录验证码识别系统
###说明
参照mnielsen的教程实现的一个简单BP神经网络,在此向mnielsen表示感谢!
加入了一些优化措施的分支,在BP和SGD算法的基础上,加入了正则化、参数初始化优化、cross-entropy损失函数
此分支稳定后会merge到master分支
plian分支无优化,更加简单
###识别效果
目前,字母分割准确率不高为主要问题,分割错误率大于5%
分割后的单个字母识别正确率能够达到99.5%
综合起来,最终准确率能够超过90%
后期考虑在字母分割阶段加入神经网络识别过程,提高整体正确率
###主要源文件
源文件 | 功能 |
---|---|
pic_crawler.py | 验证码训练数据爬取 |
data_generator.py | 生成训练/验证/测试数据 |
preprocessor.py | 输入数据预处理 |
data_loader.py | 从pickle中加载训练数据 |
network.py | BP神经网络 |
dean_login.py | 登录测试 |
data
目录下的swjtu_verif.pkl.gz
为处理好的训练数据,包含200k张训练图片(单个字符)以及验证和测试图片。network.json
为已经训练好的网络参数,直接使用神经网络识别验证码时会从该文件中加载网络参数。
###示例: 1.安装依赖
git clone git@github.com:wzbazinga/swjtu-verif-code.git
cd swjtu-verif-code
pip install -r requirements.txt
2.作为api调用
from dean_login import login
res,session=login('username','password') #res:登录结果,session:登录成功后获取的requests.Session对象
if res:
response=session.get('http://jiaowu.swjtu.edu.cn/student/score/ScoreNew.jsp')
print response.text
else:
print 'oops'
3.准确率测试
from dean_login import benchmark
benchmark('username','password') #1000次实际登录测试(单进程,单线程)
4.训练
from data_loader import load_data
from network import Network
training,validate,test=load_data() #建议将swjtu_verif.pkl.gz解压后使用load_data_raw函数加载数据,否则速度比较慢
net=Network([17*17,20,26]) #也可不带参数,不带参数时网络结构为[17*17,20,26]
net.SGD(training,40,50,0.5,2.0,test,test_accuracy=True) #随机梯度下降算法,除training外的参数可不带
代码目前还很buggy