/ocr_recognition

验证码识别,该模型是基于xlvector模型上进行加工,验证码内容包含了大小字母以及数字,采用lstm+warp-ctc+cnn达到不分割字符而识别验证码内容～

Primary LanguagePython

ocr_recognition

验证码识别,该模型是基于xlvector模型上进行加工,验证码内容包含了大小字母以及数字,采用lstm+warp-ctc+cnn达到不分割字符而识别验证码内容～
验证码识别,该模型是基于xlvector编写的一段识别数字的代码上进行加工,验证码内容包含了大小字母以及数字,采用lstm+warp-ctc+cnn达到不分割字符而识别验证码>内容～ 几点说明：

  1. 该模型是基于mxnet框架训练而来，基于环境为ubuntu 14，支持GPU和CPU两种模式，如果要运行该代码，需要具备如下软件支持：
    1. opencv
    2. openblas
    3. torch
    4. cmake
    5. mxnet
    6. warp-ctc
    7. python2.7
    8. gcc(如果版本太低，要么去掉warp-ctc对应mk目录下的std11标识符，改为std0即可)
  2. 对于代码的相应的描述：
    ocr_train.py 为训练模型文件,可以微调模型
    ocr_predict.py 训练好的模型进行训练
    lstm_model.py 分装的mx.model，值实现了前馈网络.
    generator.py 该代码自动生成验证码(为了节约时间，直接摘自网络，再次鸣谢作者).
    lstm.py ctc算法处理数据
    3.验证码效果：
     image image image image
    image image image image

4.实际预测效果
Predicted number: C888 实际值： C888
Predicted number: CKCX 实际值： GKGX
Predicted number: dEpw 实际值： dEpw
Predicted number: 2586 实际值： 2586
Predicted number: GEvZ 实际值： CEvZ
Predicted number: GMXz 实际值： OwKz
Predicted number: YLSc 实际值： VjSc
Predicted number: WwhG 实际值： Wwh0
Predicted number: U4p 实际值： U2AJ
Predicted number: vz6C 实际值： yz6G
Predicted number: F5l0 实际值： FRl0
Predicted number: 3039 实际值： 3039
Predicted number: 6756 实际值： 6756
Predicted number: BsX5 实际值： DCX5
Predicted number: 5m3y 实际值： 5m3y
Predicted number: 0BRd 实际值： OBRd
Predicted number: 9133 实际值： 9133