Bearcat_captcha: A Python repository from Fathui

#熊猫不定长验证码识别

#项目基于tensorflow2.1 项目的输入图片的格式为.jpg 不是.jpg后缀也不用慌本项目有修改后缀的代码后面会介绍

##项目启动 ps:不想自己练的直接运行app.py 默认开启5006端口,post请求接受一个参数img 需要base64一下,具体请看spider_example.py

##第一步:到项目路径安装项目运行所需环境 ###最好用虚拟环境

CPU训练
pip install -r requirements.txt -i https://pypi.douban.com/simple/

GPU训练
1.安装Anconda
2.安装tensorflow2.1
conda install tensorflow
pip install -r requirements.txt -i https://pypi.douban.com/simple/

##第二步:初始化工作路径

运行init_working_space.py
python init_working_space.py

##第三步:准备标注好的数据(注意数据不能放太深,一个文件夹下面就放上数据)

1.将训练数据放到train_dataset文件夹

2.将验证数据放到validation_dataset文件夹

3.将测试数据放到test_dataset文件夹

##如果你的标注数据是一坨的话按照下面步骤区分开来

1.将一坨数据放到train_dataset文件夹

2.运行move_path.py
  python move_path.py

##如果你暂时没有数据,不用慌,先用生成的数据集吧

运行gen_sample_by_captcha.py

##第四步:修改配置文件

这个后面在详细说先用默认设置启动项目吧

##第五步:打包数据

运行pack_dataset.py
python pack_dataset.py

##第六步:添加模型(model)

暂时先使用项目自带的模型吧

##第七步:编译模型

暂时先默认吧

##第八步:开始训练

运行train_run.py
python train_run.py

##第九步:开启可视化

tensorboard --logdir "logs"

##第十步:评估模型

丹药出来后要看一下是几品丹药
运行read_model.py

##第十一步:开启后端

运行app.py
python app.py

##第十二步:调用接口

先运行本项目给的例子感受一下
python spider_example.py

##下面开始补充刚刚省略的一些地方,由于设置文件备注比较完善，解释部分参数

是否使用数据增强(数据集多的时候不需要用)

DATA_ENHANCEMENT = False

数据集不够或者过拟合时，可以考虑数据增强下

增强方法在Function_API.py里面的Image_Processing.preprosess_save_images

验证码的长度

CAPTCHA_LENGTH = 6

这个数字要取你要识别验证码的最大长度,不足的会自动用'_'补齐

否则会报错raise ValueError

BATCH_SIZE

BATCH_SIZE = 16

如果你的显卡很牛逼，可以尝试调大点

训练次数

EPOCHS = 100

请放心调有

训练多少轮验证损失下不去，停止训练的回调设置

EARLY_PATIENCE = 8

定义模型的方法名字,模型在models.py里的Model类

MODEL = 'captcha_model'

其他设置如果没有特别情况，尽量不要改

##接下来说明项目的文件夹，及文件

##文件夹

###App_model 后端模型保存路径

###checkpoint 保存检查点

###CSVLogger 把训练轮结果数据流到 csv 文件

###logs 保存被 TensorBoard 分析的日志文件

###model 保存模型

###train_dataset 保存训练集

###train_enhance_dataset 保存增强后的训练集

###train_pack_dataset 保存打包好的训练集

###validation_dataset 保存验证集

###vailidation_pack_dataset 保存打包好的验证集

###test_dataset 保存测试集

###test_pack_dataset 保存打包好的测试集

##文件

###app.py 开启后端

###Callback.py 回调函数参考 keras中文官网运行该文件会返回一个最佳的权重文件

###captcha_config.json 生成验证码的配置文件 "image_suffix": "jpg",生成验证码的后缀 "count": 20000,生成验证码的数量 "char_count": 4,生成验证码的长度 "width": 100,生成验证码的宽度 "height": 40，生成验证码的高度

###del_file.py 删除所有数据集的文件这里是防止数据太多手动删不动

###Function_API.py 项目核心，三大类 Image_Processing 图片处理和标签处理 WriteTFRecord 打包数据集 Distinguish_image 预测类模型生成后用这个类来预测和部署

###gen_sample_by_captcha.py 生成验证码

###init_working_space.py 初始化工作目录 注意:此文件只在第一次运行项目时运行 因为这会重置checkpoint CSVLogger logs

###models.py 搭建模型网络

###pack_dataset.py 打包数据集

###rename_suffix.py 修改训练集文件为.jpg后缀验证集文件和测试集文件有需要修改后缀自行改代码

###settings.py 项目的设置文件

###spider_example.py 爬虫调用例子

###sub_filename.py 替换文件名例如文件名为test.01.jpg 运行后会修改为 test_01.jpg

###test_model.py 读取模型进行测试

###train_run.py 开始训练