 |
 |
 |
 |
 |
 |
||
 |
 |
 |
 |
 |
| 1 | 1/1 | 返回列表 |
| 查看: 1105 | 回復(fù): 0 | |||
[交流]
基于Mathematica神經(jīng)網(wǎng)絡(luò)的驗證碼識別
|
|
人工神經(jīng)網(wǎng)絡(luò)（英語：Artificial Neural Network，ANN），簡稱神經(jīng)網(wǎng)絡(luò)（Neural Network，NN）或類神經(jīng)網(wǎng)絡(luò)，在機器學(xué)習(xí)和認(rèn)知科學(xué)領(lǐng)域，是一種模仿生物神經(jīng)網(wǎng)絡(luò)（動物的中樞神經(jīng)系統(tǒng)，特別是大腦）的結(jié)構(gòu)和功能的數(shù)學(xué)模型或計算模型，用于對函數(shù)進(jìn)行估計或近似。神經(jīng)網(wǎng)絡(luò)由大量的人工神經(jīng)元聯(lián)結(jié)進(jìn)行計算。大多數(shù)情況下人工神經(jīng)網(wǎng)絡(luò)能在外界信息的基礎(chǔ)上改變內(nèi)部結(jié)構(gòu)，是一種自適應(yīng)系統(tǒng)，通俗的講就是具備學(xué)習(xí)功能�，F(xiàn)代神經(jīng)網(wǎng)絡(luò)是一種非線性統(tǒng)計性數(shù)據(jù)建模工具，神經(jīng)網(wǎng)絡(luò)通常是通過一個基于數(shù)學(xué)統(tǒng)計學(xué)類型的學(xué)習(xí)方法（Learning Method）得以優(yōu)化，所以也是數(shù)學(xué)統(tǒng)計學(xué)方法的一種實際應(yīng)用，通過統(tǒng)計學(xué)的標(biāo)準(zhǔn)數(shù)學(xué)方法我們能夠得到大量的可以用函數(shù)來表達(dá)的局部結(jié)構(gòu)空間，另一方面在人工智能學(xué)的人工感知領(lǐng)域，我們通過數(shù)學(xué)統(tǒng)計學(xué)的應(yīng)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(xué)的方法，人工神經(jīng)網(wǎng)絡(luò)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(xué)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(luò)框架，比如Tensorflow、PyTorch、Keras、MXNet還有百度的paddle，matlab也有相對應(yīng)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(guān)的接口，并在2020年進(jìn)行了主要的更新，本文假定讀者已經(jīng)擁有了深度學(xué)習(xí)的基礎(chǔ)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(wù)，以此來引導(dǎo)讀者對mathematica的深度學(xué)習(xí)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(zhǔn)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(gòu)造人工神經(jīng)網(wǎng)絡(luò)來解決。 考慮到帶標(biāo)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(xùn)練和測試的數(shù)據(jù)，每張圖片的分辨率為140*80并同時導(dǎo)出了圖片對應(yīng)的正確標(biāo)簽。 有了數(shù)據(jù)集后我們需要在mathematica里導(dǎo)入數(shù)據(jù)集并進(jìn)行相應(yīng)處理，首先將60000數(shù)據(jù)集55200訓(xùn)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(biāo)簽一一對應(yīng)，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(jìn)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(dǎo)入所有數(shù)據(jù)將占用很大的內(nèi)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(gòu)建卷積神經(jīng)網(wǎng)絡(luò)并訓(xùn)練 在處理好數(shù)據(jù)集后，我們可以著手神經(jīng)網(wǎng)絡(luò)的構(gòu)建，mathematica的神經(jīng)網(wǎng)絡(luò)是動態(tài)圖結(jié)構(gòu)，可以用Netchain和Netgraph方便的添加網(wǎng)絡(luò)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(wù)一般使用卷積神經(jīng)網(wǎng)絡(luò)就能有很好的效果，我們可以照搬已有的網(wǎng)絡(luò)架構(gòu)例如VGG等，這種架構(gòu)有著很好的性能，這里我使用的是改動后的架構(gòu)，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(xùn)練采用的損失函數(shù)是分類任務(wù)常用的交叉信息熵和softmax，訓(xùn)練優(yōu)化方法是“adam”，batchsize是32，訓(xùn)練在筆記本的GPU上進(jìn)行的，可以直接設(shè)置Nettrain里的TargetDevice->GPU。 結(jié)果分析 原本設(shè)置的是訓(xùn)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(xùn)練，用測試集檢驗結(jié)果發(fā)現(xiàn)有87.4的準(zhǔn)確率，部分結(jié)果如下圖所示。在訓(xùn)練完成后我們可以將模型導(dǎo)出成wlnet文件保存。我們從結(jié)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(jìn)行字符分割，這也是降低準(zhǔn)確率的原因之一，除此之外我們還能加大訓(xùn)練次數(shù)和動態(tài)調(diào)節(jié)學(xué)習(xí)率參數(shù)，這樣增加時間成本也能帶來準(zhǔn)確率的提升�？偠灾@也算是一個相對不錯的結(jié)果，通過這個例子我們能夠了解mathematica在深度學(xué)習(xí)領(lǐng)域的能力，對于熟悉wolfram語言的工作者，使用wolfram提供的深度學(xué)習(xí)接口來完成一些任務(wù)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(guān)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(fù)此樓» 猜你喜歡
接收調(diào)劑
已經(jīng)有21人回復(fù)
-
289求調(diào)劑
已經(jīng)有9人回復(fù)
-
材料328求調(diào)劑
已經(jīng)有3人回復(fù)
-
材料工程269求調(diào)劑
已經(jīng)有5人回復(fù)
-
306求調(diào)劑
已經(jīng)有3人回復(fù)
-
成績276，專業(yè)代碼0856求調(diào)劑
已經(jīng)有7人回復(fù)
-
283求調(diào)劑
已經(jīng)有9人回復(fù)
-
0805總分292，求調(diào)劑
已經(jīng)有12人回復(fù)
-
環(huán)境調(diào)劑
已經(jīng)有5人回復(fù)
-
一志愿華中科技大學(xué)，化學(xué)專業(yè)344分，求調(diào)劑
已經(jīng)有6人回復(fù)
相關(guān)版塊跳轉(zhuǎn)
我要訂閱樓主 hazheng 的主題更新
| 1 | 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)境調(diào)劑 +5 | 柒槿levana 2026-03-01 | 5/250 |
|
|---|---|---|---|---|
|
|
[考研] 一志愿東北大學(xué)化學(xué)314分求調(diào)劑 +5 | lr1212.. 2026-03-02 | 5/250 |
|
|
|
[考研] 歡迎采礦、地質(zhì)、巖土、計算機、人工智能等專業(yè)的同學(xué)報考 +7 | pin8023 2026-02-28 | 9/450 |
|
|
[考研] 278求調(diào)劑 +3 | 滿天星11_22 2026-03-02 | 3/150 |
|
|
|
[考研] 290求調(diào)劑 +7 | ErMiao1020 2026-03-02 | 7/350 |
|
|
|
[考研] 291求調(diào)劑 +3 | MuoLuo1312 2026-03-02 | 6/300 |
|
|
|
[考研]
材料工程專碩283求調(diào)劑
 5+8
|
，��？ 2026-03-02 | 10/500 |
|
|
|
[考研] 324求調(diào)劑 +4 | wxz2 2026-03-03 | 5/250 |
|
|
|
[考研] 307求調(diào)劑 +6 | wyyyqx 2026-03-01 | 6/300 |
|
|
|
[考研] 考研復(fù)試調(diào)劑，過國家線的同學(xué)都可報名 +7 | 黑！在干嘛 2026-02-28 | 8/400 |
|
|
|
[考研] 272求調(diào)劑 +9 | 材紫有化 2026-02-28 | 9/450 |
|
|
|
[考研] 289求調(diào)劑 +8 | yang婷 2026-03-02 | 9/450 |
|
|
|
[考研] 材料調(diào)劑 +3 | 恒順自然 2026-03-02 | 3/150 |
|
|
|
[考研] 江蘇省農(nóng)科院招調(diào)劑1名 +4 | Qwertyuop 2026-03-01 | 4/200 |
|
|
|
[考研] 264求調(diào)劑 +4 | 巴拉巴拉根556 2026-02-28 | 4/200 |
|
|
|
[碩博家園] 博士自薦 +7 | 科研狗111 2026-02-26 | 11/550 |
|
|
|
[考博] 26申博 +4 | 想申博！ 2026-02-26 | 6/300 |
|
|
|
[考研] 290求調(diào)劑 +9 | 材料專碩調(diào)劑； 2026-02-28 | 11/550 |
|
|
|
[考研] 0856材料求調(diào)劑 +4 | 麻辣魷魚 2026-02-28 | 4/200 |
|
|
|
[考研] 295復(fù)試調(diào)劑 +3 | 簡木ChuFront 2026-03-01 | 3/150 |
|