 |
 |
 |
| 24小時熱門版塊排行榜 |
 |
 |
 |
||
 |
 |
 |
 |
 |
| 2 | 1/1 | 返回列表 |
| 查看: 1107 | 回復: 0 | |||
| 當前只顯示滿足指定條件的回帖，點擊這里查看本話題的所有回帖 | |||
[交流]
基于Mathematica神經(jīng)網(wǎng)絡的驗證碼識別
|
|||
|
人工神經(jīng)網(wǎng)絡（英語：Artificial Neural Network，ANN），簡稱神經(jīng)網(wǎng)絡（Neural Network，NN）或類神經(jīng)網(wǎng)絡，在機器學習和認知科學領域，是一種模仿生物神經(jīng)網(wǎng)絡（動物的中樞神經(jīng)系統(tǒng)，特別是大腦）的結構和功能的數(shù)學模型或計算模型，用于對函數(shù)進行估計或近似。神經(jīng)網(wǎng)絡由大量的人工神經(jīng)元聯(lián)結進行計算。大多數(shù)情況下人工神經(jīng)網(wǎng)絡能在外界信息的基礎上改變內部結構，是一種自適應系統(tǒng)，通俗的講就是具備學習功能。現(xiàn)代神經(jīng)網(wǎng)絡是一種非線性統(tǒng)計性數(shù)據(jù)建模工具，神經(jīng)網(wǎng)絡通常是通過一個基于數(shù)學統(tǒng)計學類型的學習方法（Learning Method）得以優(yōu)化，所以也是數(shù)學統(tǒng)計學方法的一種實際應用，通過統(tǒng)計學的標準數(shù)學方法我們能夠得到大量的可以用函數(shù)來表達的局部結構空間，另一方面在人工智能學的人工感知領域，我們通過數(shù)學統(tǒng)計學的應用可以來做人工感知方面的決定問題（也就是說通過統(tǒng)計學的方法，人工神經(jīng)網(wǎng)絡能夠類似人一樣具有簡單的決定能力和簡單的判斷能力），這種方法比起正式的邏輯學推理演算更具有優(yōu)勢。 目前存在很多成熟的神經(jīng)網(wǎng)絡框架，比如Tensorflow、PyTorch、Keras、MXNet還有百度的paddle，matlab也有相對應的工具箱，而作為同是“3m”之一的Mathematica自然也是不甘于落后，于2016年引入相關的接口，并在2020年進行了主要的更新，本文假定讀者已經(jīng)擁有了深度學習的基礎知識，將利用mathematica軟件提供的接口來解決一類簡單的驗證碼識別任務，以此來引導讀者對mathematica的深度學習工具有一個大致的了解，希望能對大家有所啟發(fā)。 數(shù)據(jù)集準備 目前許多網(wǎng)站的人機識別機制還是如下圖的驗證碼形式，本體是由26個字母和10個數(shù)字組合而成再加以隨機變換和噪聲干擾的四個字符圖片。這種人機驗證的方式較為常用，在爬蟲時我們可能經(jīng)常遇到這種驗證碼，除了使用專業(yè)打碼平臺提供的接口外，我們也可以嘗試自己構造人工神經(jīng)網(wǎng)絡來解決。 考慮到帶標簽數(shù)據(jù)集的獲取難度，我們可以直接利用Python的CAPTCHA庫來直接生成驗證碼的數(shù)據(jù)集，這里總共生成了60000張圖片作為這次訓練和測試的數(shù)據(jù)，每張圖片的分辨率為140*80并同時導出了圖片對應的正確標簽。 有了數(shù)據(jù)集后我們需要在mathematica里導入數(shù)據(jù)集并進行相應處理，首先將60000數(shù)據(jù)集55200訓練集和4800測試集，為了方便沒有引入驗證集，并將這些數(shù)據(jù)按找數(shù)據(jù)和標簽一一對應，這里采用的方法是分別識別一張圖片的四個字符,但是為了簡化過程沒有對圖片進行分割，這將會極大的影響識別的效果。同時值得注意的是在mathematica里同時導入所有數(shù)據(jù)將占用很大的內存空間。我們需要利用File函數(shù)來制作生成器函數(shù)，這樣可以極大的節(jié)約資源。我們處理好的數(shù)據(jù)集如下圖所示。 構建卷積神經(jīng)網(wǎng)絡并訓練 在處理好數(shù)據(jù)集后，我們可以著手神經(jīng)網(wǎng)絡的構建，mathematica的神經(jīng)網(wǎng)絡是動態(tài)圖結構，可以用Netchain和Netgraph方便的添加網(wǎng)絡層以及實現(xiàn)層與層之間的連接，與keras框架十分相似，圖片識別任務一般使用卷積神經(jīng)網(wǎng)絡就能有很好的效果，我們可以照搬已有的網(wǎng)絡架構例如VGG等，這種架構有著很好的性能，這里我使用的是改動后的架構，如下圖所示，加入了批歸一化和drop層來防止梯度爆炸和過擬合。最后訓練采用的損失函數(shù)是分類任務常用的交叉信息熵和softmax，訓練優(yōu)化方法是“adam”，batchsize是32，訓練在筆記本的GPU上進行的，可以直接設置Nettrain里的TargetDevice->GPU。 結果分析 原本設置的是訓練所有是數(shù)據(jù)60輪，但考慮到時間成本在第3輪時就停止了訓練，用測試集檢驗結果發(fā)現(xiàn)有87.4的準確率，部分結果如下圖所示。在訓練完成后我們可以將模型導出成wlnet文件保存。我們從結果可以發(fā)現(xiàn)主要的識別錯誤發(fā)生在一些難以區(qū)分的字符數(shù)字，比如0和‘o’、1和’I’，而另一方面我們并沒有對數(shù)據(jù)進行字符分割，這也是降低準確率的原因之一，除此之外我們還能加大訓練次數(shù)和動態(tài)調節(jié)學習率參數(shù)，這樣增加時間成本也能帶來準確率的提升�？偠灾@也算是一個相對不錯的結果，通過這個例子我們能夠了解mathematica在深度學習領域的能力，對于熟悉wolfram語言的工作者，使用wolfram提供的深度學習接口來完成一些任務似乎也是一個不錯的選擇，希望這個例子能給大家一些啟發(fā)。 最后，有相關需求，歡迎通過微信公眾號聯(lián)系我們。 微信公眾號：320科技工作室。 |
回復此樓» 猜你喜歡
0703化學學碩 288分
已經(jīng)有4人回復
-
接收調劑
已經(jīng)有23人回復
-
化學 0703求調劑 總分293 一志愿211
已經(jīng)有3人回復
-
304分材料專碩求調劑
已經(jīng)有5人回復
-
0703化學 學碩 理工科均可 不區(qū)分研究方向 總分279求調劑
已經(jīng)有5人回復
-
復試調劑
已經(jīng)有4人回復
-
293求調劑
已經(jīng)有4人回復
-
成果系統(tǒng)訪問量大，請15分鐘后再嘗試。由此給您造成的不便，敬請諒解。
已經(jīng)有10人回復
-
環(huán)境工程學碩288求助調劑
已經(jīng)有7人回復
-
0703 總分319求調劑
已經(jīng)有4人回復
相關版塊跳轉
我要訂閱樓主 hazheng 的主題更新
| 2 | 1/1 | 返回列表 |
| 最具人氣熱帖推薦 [查看全部] | 作者 | 回/看 | 最后發(fā)表 | |
|---|---|---|---|---|
|
[考研] 環(huán)境工程學碩288求助調劑 +7 | 多吃億口芝士 2026-03-02 | 7/350 |
|
|---|---|---|---|---|
|
|
[考博] 26申博 求博導 +3 | 愛讀書的小帥 2026-02-28 | 5/250 |
|
|
|
[考研] 中國林科院林化所（南京）2026年招收化學/材料/環(huán)境工程等背景碩士研究生3名 +3 | realstar2006 2026-02-27 | 3/150 |
|
|
[考研] 266求調劑 +4 | 哇塞王帥 2026-03-03 | 4/200 |
|
|
|
[考研] 理學，工學，農(nóng)學調劑，少走彎路，這里歡迎您！ +8 | likeihood 2026-03-02 | 11/550 |
|
|
|
[考研] 085600材料與化工調劑 280分 +10 | yyqqhh 2026-03-03 | 10/500 |
|
|
|
[考研] 江蘇省農(nóng)科院招調劑1名 +5 | Qwertyuop 2026-03-01 | 5/250 |
|
|
|
[考研] 一志愿東北大學化學314分求調劑 +5 | lr1212.. 2026-03-02 | 5/250 |
|
|
|
[考研] 化工專碩348，一志愿985求調劑 +8 | 弗格個 2026-02-28 | 11/550 |
|
|
|
[考研] 調劑 +5 | 13853210211 2026-03-02 | 7/350 |
|
|
|
[考研] 298求調劑 +7 | axyz3 2026-02-28 | 8/400 |
|
|
|
[考研] 0854復試調劑 276 +5 | wmm9 2026-03-01 | 7/350 |
|
|
|
[考研] 0856調劑 +10 | 劉夢微 2026-02-28 | 10/500 |
|
|
|
[考研] 0856材料求調劑 +12 | hyf hyf hyf 2026-02-28 | 13/650 |
|
|
|
[考研] 085600材料工程一志愿中科大總分312求調劑 +9 | 吃宵夜1 2026-02-28 | 11/550 |
|
|
|
[考研] 材料復試調劑 +5 | 學材料的點 2026-03-01 | 6/300 |
|
|
|
[考研] 303求調劑 +5 | 今夏不夏 2026-03-01 | 5/250 |
|
|
|
[考研] 調劑 +3 | 13853210211 2026-03-02 | 4/200 |
|
|
|
[考研] 材料學調劑 +10 | 提神豆沙包 2026-02-28 | 12/600 |
|
|
|
[考研] 調劑 +3 | 簡木ChuFront 2026-02-28 | 3/150 |
|