基于深度学习的图像验证码识别研究

• 全文链接
• 请求原文

作   者：

石邵虎;  胡学先;  李志博;  徐震; 

作者机构：

解放军信息工程大学; 

关键词：

验证码识别;  卷积神经网络;  连接时序分类器;  深度学习; 

期刊名称：

信息工程大学学报

基金项目：

差分隐私约束下的图数据发布机制与挖掘算法研究
云存储中基于属性基加密的数据安全共享关键问题研究

i s s n：

1671-0673

年卷期：

2020 年 003 期

页   码：

325-333

摘   要：

验证码的自动识别技术研究,对于评估验证码的有效性有着重要的作用,针对该问题,对12306登录验证码的提示词部分和实物部分构建起对应的深度学习网络.首先,针对不定长的中文文本验证码构建基于卷积递归神经网络(CRNN)和连接时序分类器(CTC)的识别模型,实现对12306提示词的识别;其次,针对图像内容识别问题采用了基于VGG模型的卷积神经网络(CNN).整个实验过程采用TensorFlow在python下的高阶应用程序接口keras来实现,实验表明,得到的图像验证码识别模型能够较好的识别12306的登录验证码,具有较快的训练速度以及较好的泛化性,最终对提示词和实物部分的识别准确率分别达到了99.7%和98.1%.