本節我們來用 TensorFlow 來實現一個深度學習模型，用來實現驗證碼識別的過程，這里我們識別的驗證碼是圖形驗證碼，首先我們會用標注好的數據來訓練一個模型，然后再用模型來實現這個驗證碼的識別。
驗證碼
首先我們來看下驗證碼是怎樣的，這里我們使用 Python 的 captcha 庫來生成即可，這個庫默認是沒有安裝的，所以這里我們需要先安裝這個庫，另外我們還需要安裝 pillow 庫，使用 pip3 即可：
|
1
|
pip3 install captcha pillow
|
安裝好之后，我們就可以用如下代碼來生成一個簡單的圖形驗證碼了：
|
1
2
3
4
5
6
7
8
|
from captcha.image import ImageCaptcha
from PIL import Image
text = '1234'
image = ImageCaptcha()
captcha = image.generate(text)
captcha_image = Image.open(captcha)
captcha_image.show()
|
運行之后便會彈出一張圖片，結果如下：
可以看到圖中的文字正是我們所定義的 text 內容，這樣我們就可以得到一張圖片和其對應的真實文本，這樣我們就可以用它來生成一批訓練數據和測試數據了。
預處理
在訓練之前肯定是要進行數據預處理了，現在我們首先定義好了要生成的驗證碼文本內容，這就相當於已經有了 label 了，然后我們再用它來生成驗證碼，就可以得到輸入數據 x 了，在這里我們首先定義好我們的輸入詞表，由於大小寫字母加數字的詞表比較龐大，設想我們用含有大小寫字母和數字的驗證碼，一個驗證碼四個字符，那么一共可能的組合是 (26 + 26 + 10) ^ 4 = 14776336 種組合，這個數量訓練起來有點大，所以這里我們精簡一下，只使用純數字的驗證碼來訓練，這樣其組合個數就變為 10 ^ 4 = 10000 種，顯然少了很多。
所以在這里我們先定義一個詞表和其長度變量：
|
1
2
3
|
VOCAB = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']
CAPTCHA_LENGTH = 4
VOCAB_LENGTH = len(VOCAB)
|
這里 VOCAB 就是詞表的內容，即 0 到 9 這 10 個數字，驗證碼的字符個數即 CAPTCHA_LENGTH 是 4，詞表長度是 VOCAB 的長度，即 10。
接下來我們定義一個生成驗證碼數據的方法，流程類似上文，只不過這里我們將返回的數據轉為了 Numpy 形式的數組：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
from PIL import Image
from captcha.image import ImageCaptcha
import numpy as np
def generate_captcha(captcha_text):
"""
get captcha text and np array
:param captcha_text: source text
:return: captcha image and array
"""
image = ImageCaptcha()
captcha = image.generate(captcha_text)
captcha_image = Image.open(captcha)
captcha_array = np.array(captcha_image)
return captcha_array
|
這樣調用此方法，我們就可以得到一個 Numpy 數組了，這個其實是把驗證碼轉化成了每個像素的 RGB，我們調用一下這個方法試試：
|
1
2
|
captcha = generate_captcha('1234')
print(captcha, captcha.shape)
|
內容如下：
|
1
2
3
4
5
6
7
8
9
|
[[[239 244 244]
[239 244 244]
[239 244 244]
...,
...,
[239 244 244]
[239 244 244]
[239 244 244]]]
(60, 160, 3)
|
可以看到它的 shape 是 (60, 160, 3)，這其實代表驗證碼圖片的高度是 60，寬度是 160，是 60 x 160 像素的驗證碼，每個像素都有 RGB 值，所以最后一維即為像素的 RGB 值。
接下來我們需要定義 label，由於我們需要使用深度學習模型進行訓練，所以這里我們的 label 數據最好使用 One-Hot 編碼，即如果驗證碼文本是 1234，那么應該詞表索引位置置 1，總共的長度是 40，我們用程序實現一下 One-Hot 編碼和文本的互相轉換：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
def text2vec(text):
"""
text to one-hot vector
:param text: source text
:return: np array
"""
if len(text) > CAPTCHA_LENGTH:
return False
vector = np.zeros(CAPTCHA_LENGTH * VOCAB_LENGTH)
for i, c in enumerate(text):
index = i * VOCAB_LENGTH + VOCAB.index(c)
vector[index] = 1
return vector
def vec2text(vector):
"""
vector to captcha text
:param vector: np array
:return: text
"""
if not isinstance(vector, np.ndarray):
vector = np.asarray(vector)
vector = np.reshape(vector, [CAPTCHA_LENGTH, -1])
text = ''
for item in vector:
text += VOCAB[np.argmax(item)]
return text
|
這里 text2vec() 方法就是將真實文本轉化為 One-Hot 編碼，vec2text() 方法就是將 One-Hot 編碼轉回真實文本。
例如這里調用一下這兩個方法，我們將 1234 文本轉換為 One-Hot 編碼，然后在將其轉回來：
|
1
2
3
|
vector = text2vec('1234')
text = vec2text(vector)
print(vector, text)
|
運行結果如下：
|
1
2
3
4
|
[ 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0.
0. 0. 0. 0.]
1234
|
這樣我們就可以實現文本到 One-Hot 編碼的互轉了。
接下來我們就可以構造一批數據了，x 數據就是驗證碼的 Numpy 數組，y 數據就是驗證碼的文本的 One-Hot 編碼，生成內容如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
|
import random
from os.path import join, exists
import pickle
import numpy as np
from os import makedirs
DATA_LENGTH = 10000
DATA_PATH = 'data'
def get_random_text():
text = ''
for i in range(CAPTCHA_LENGTH):
text += random.choice(VOCAB)
return text
def generate_data():
print('Generating Data...')
data_x, data_y = [], []
# generate data x and y
for i in range(DATA_LENGTH):
text = get_random_text()
# get captcha array
captcha_array = generate_captcha(text)
# get vector
vector = text2vec(text)
data_x.append(captcha_array)
data_y.append(vector)
# write data to pickle
if not exists(DATA_PATH):
makedirs(DATA_PATH)
x = np.asarray(data_x, np.float32)
y = np.asarray(data_y, np.float32)
with open(join(DATA_PATH, 'data.pkl'), 'wb') as f:
pickle.dump(x, f)
pickle.dump(y, f)
|
這里我們定義了一個 get_random_text() 方法，可以隨機生成驗證碼文本，然后接下來再利用這個隨機生成的文本來產生對應的 x、y 數據，然后我們再將數據寫入到 pickle 文件里，這樣就完成了預處理的操作。
構建模型
有了數據之后，我們就開始構建模型吧，這里我們還是利用 train_test_split() 方法將數據分為三部分，訓練集、開發集、驗證集：
|
1
2
3
4
5
6
7
|
with open('data.pkl', 'rb') as f:
data_x = pickle.load(f)
data_y = pickle.load(f)
return standardize(data_x), data_y
train_x, test_x, train_y, test_y = train_test_split(data_x, data_y, test_size=0.4, random_state=40)
dev_x, test_x, dev_y, test_y, = train_test_split(test_x, test_y, test_size=0.5, random_state=40)
|
接下來我們使用者三個數據集構建三個 Dataset 對象：
|
1
2
3
4
5
6
7
8
9
|
# train and dev dataset
train_dataset = tf.data.Dataset.from_tensor_slices((train_x, train_y)).shuffle(10000)
train_dataset = train_dataset.batch(FLAGS.train_batch_size)
dev_dataset = tf.data.Dataset.from_tensor_slices((dev_x, dev_y))
dev_dataset = dev_dataset.batch(FLAGS.dev_batch_size)
test_dataset = tf.data.Dataset.from_tensor_slices((test_x, test_y))
test_dataset = test_dataset.batch(FLAGS.test_batch_size)
|
然后初始化一個迭代器，並綁定到這個數據集上：
|
1
2
3
4
5
|
# a reinitializable iterator
iterator = tf.data.Iterator.from_structure(train_dataset.output_types, train_dataset.output_shapes)
train_initializer = iterator.make_initializer(train_dataset)
dev_initializer = iterator.make_initializer(dev_dataset)
test_initializer = iterator.make_initializer(test_dataset)
|
接下來就是關鍵的部分了，在這里我們使用三層卷積和兩層全連接網絡進行構造，在這里為了簡化寫法，直接使用 TensorFlow 的 layers 模塊：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
# input Layer
with tf.variable_scope('inputs'):
# x.shape = [-1, 60, 160, 3]
x, y_label = iterator.get_next()
keep_prob = tf.placeholder(tf.float32, [])
y = tf.cast(x, tf.float32)
# 3 CNN layers
for _ in range(3):
y = tf.layers.conv2d(y, filters=32, kernel_size=3, padding='same', activation=tf.nn.relu)
y = tf.layers.max_pooling2d(y, pool_size=2, strides=2, padding='same')
# y = tf.layers.dropout(y, rate=keep_prob)
# 2 dense layers
y = tf.layers.flatten(y)
y = tf.layers.dense(y, 1024, activation=tf.nn.relu)
y = tf.layers.dropout(y, rate=keep_prob)
y = tf.layers.dense(y, VOCAB_LENGTH)
|
這里卷積核大小為 3，padding 使用 SAME 模式，激活函數使用 relu。
經過全連接網絡變換之后，y 的 shape 就變成了 [batch_size, n_classes]，我們的 label 是 CAPTCHA_LENGTH 個 One-Hot 向量拼合而成的，在這里我們想使用交叉熵來計算，但是交叉熵計算的時候，label 參數向量最后一維各個元素之和必須為 1，不然計算梯度的時候會出現問題。詳情參見 TensorFlow 的官方文檔：https://www.tensorflow.org/api_docs/python/tf/nn/softmax_cross_entropy_with_logits：
NOTE: While the classes are mutually exclusive, their probabilities need not be. All that is required is that each row of labels is a valid probability distribution. If they are not, the computation of the gradient will be incorrect.
但是現在的 label 參數是 CAPTCHA_LENGTH 個 One-Hot 向量拼合而成，所以這里各個元素之和為 CAPTCHA_LENGTH，所以我們需要重新 reshape 一下，確保最后一維各個元素之和為 1：
|
1
2
|
y_reshape = tf.reshape(y, [-1, VOCAB_LENGTH])
y_label_reshape = tf.reshape(y_label, [-1, VOCAB_LENGTH])
|
這樣我們就可以確保最后一維是 VOCAB_LENGTH 長度，而它就是一個 One-Hot 向量，所以各元素之和必定為 1。
然后 Loss 和 Accuracy 就好計算了：
|
1
2
3
4
5
6
7
|
# loss
cross_entropy = tf.reduce_sum(tf.nn.softmax_cross_entropy_with_logits(logits=y_reshape, labels=y_label_reshape))
# accuracy
max_index_predict = tf.argmax(y_reshape, axis=-1)
max_index_label = tf.argmax(y_label_reshape, axis=-1)
correct_predict = tf.equal(max_index_predict, max_index_label)
accuracy = tf.reduce_mean(tf.cast(correct_predict, tf.float32))
|
再接下來執行訓練即可：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
# train
train_op = tf.train.RMSPropOptimizer(FLAGS.learning_rate).minimize(cross_entropy, global_step=global_step)
for epoch in range(FLAGS.epoch_num):
tf.train.global_step(sess, global_step_tensor=global_step)
# train
sess.run(train_initializer)
for step in range(int(train_steps)):
loss, acc, gstep, _ = sess.run([cross_entropy, accuracy, global_step, train_op],
feed_dict={keep_prob: FLAGS.keep_prob})
# print log
if step % FLAGS.steps_per_print == 0:
print('Global Step', gstep, 'Step', step, 'Train Loss', loss, 'Accuracy', acc)
if epoch % FLAGS.epochs_per_dev == 0:
# dev
sess.run(dev_initializer)
for step in range(int(dev_steps)):
if step % FLAGS.steps_per_print == 0:
print('Dev Accuracy', sess.run(accuracy, feed_dict={keep_prob: 1}), 'Step', step)
|
在這里我們首先初始化 train_initializer，將 iterator 綁定到 Train Dataset 上，然后執行 train_op，獲得 loss、acc、gstep 等結果並輸出。
訓練
運行訓練過程，結果類似如下：
|
1
2
3
4
5
6
7
8
9
10
|
...
Dev Accuracy 0.9580078 Step 0
Dev Accuracy 0.9472656 Step 2
Dev Accuracy 0.9501953 Step 4
Dev Accuracy 0.9658203 Step 6
Global Step 3243 Step 0 Train Loss 1.1920928e-06 Accuracy 1.0
Global Step 3245 Step 2 Train Loss 1.5497207e-06 Accuracy 1.0
Global Step 3247 Step 4 Train Loss 1.1920928e-06 Accuracy 1.0
Global Step 3249 Step 6 Train Loss 1.7881392e-06 Accuracy 1.0
...
|
驗證集准確率 95% 以上。
測試
訓練過程我們還可以每隔幾個 Epoch 保存一下模型：
|
1
2
3
|
# save model
if epoch % FLAGS.epochs_per_save == 0:
saver.save(sess, FLAGS.checkpoint_dir, global_step=gstep)
|
當然也可以取驗證集上准確率最高的模型進行保存。
驗證時我們可以重新 Reload 一下模型，然后進行驗證：
|
1
2
3
4
5
6
7
8
9
10
11
|
# load model
ckpt = tf.train.get_checkpoint_state('ckpt')
if ckpt:
saver.restore(sess, ckpt.model_checkpoint_path)
print('Restore from', ckpt.model_checkpoint_path)
sess.run(test_initializer)
for step in range(int(test_steps)):
if step % FLAGS.steps_per_print == 0:
print('Test Accuracy', sess.run(accuracy, feed_dict={keep_prob: 1}), 'Step', step)
else:
print('No Model Found')
|
驗證之后其准確率基本是差不多的。
如果要進行新的 Inference 的話，可以替換下 test_x 即可。
結語
以上便是使用 TensorFlow 進行驗證碼識別的過程，代碼見：https://github.com/AIDeepLearning/CrackCaptcha
出處：https://cuiqingcai.com/5709.html