[[405770]]

 驗(yàn)證碼是根據(jù)隨機(jī)字符生成一幅圖片，然后在圖片中加入干擾象素，用戶必須手動(dòng)填入，防止有人利用機(jī)器人自動(dòng)批量注冊(cè)、灌水、發(fā)垃圾廣告等等 。

數(shù)據(jù)集來(lái)源：https://www.kaggle.com/fournierp/captcha-version-2-images

圖片是5個(gè)字母的單詞，可以包含數(shù)字。這些圖像應(yīng)用了噪聲(模糊和一條線)。它們是200 x 50 PNG。我們的任務(wù)是嘗試制作光學(xué)字符識(shí)別算法的模型。

在數(shù)據(jù)集中存在的驗(yàn)證碼png圖片，對(duì)應(yīng)的標(biāo)簽就是圖片的名字。

import os 
import numpy as np 
import pandas as pd 
import cv2 
import matplotlib.pyplot as plt 
import seaborn as sns 
# imgaug 圖片數(shù)據(jù)增強(qiáng) 
import imgaug.augmenters as iaa 
import tensorflow as tf 
# Conv2D MaxPooling2D Dropout Flatten Dense BN  GAP 
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Dropout, Flatten, Dense, Layer, BatchNormalization, GlobalAveragePooling2D  
from tensorflow.keras.optimizers import Adam 
from tensorflow.keras import Model, Input  
from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau 
# 圖片處理器 
from tensorflow.keras.preprocessing.image import ImageDataGenerator 
import plotly.express as px 
import plotly.graph_objects as go 
import plotly.offline as pyo 
pyo.init_notebook_mode() 

對(duì)數(shù)據(jù)進(jìn)行一個(gè)簡(jiǎn)單的分析，統(tǒng)計(jì)圖像中大約出現(xiàn)了什么樣的符號(hào)。

# 數(shù)據(jù)路徑 
DIR = '../input/captcha-version-2-images/samples/samples' 
# 存儲(chǔ)驗(yàn)證碼的標(biāo)簽 
captcha_list = [] 
characters = {} 
for captcha in os.listdir(DIR): 
    captcha_list.append(captcha) 
    # 每張驗(yàn)證碼的captcha_code 
    captcha_code = captcha.split(".")[0] 
    for i in captcha_code: 
        # 遍歷captcha_code  
        characters[i] = characters.get(i, 0) +1 
symbols = list(characters.keys()) 
len_symbols = len(symbols) 
print(f'圖像中只使用了{(lán)len_symbols}符號(hào)') 
 
plt.bar(*zip(*characters.items())) 
plt.title('Frequency of symbols') 
plt.show() 

如何提取圖像的數(shù)據(jù)建立X，y??

# 如何提取圖像 建立 model  X 的shape  1070 * 50 * 200 * 1  
# y的shape 5 * 1070 * 19 
  
for i, captcha in enumerate(captcha_list): 
    captcha_code = captcha.split('.')[0] 
    # cv2.IMREAD_GRAYSCALE 灰度圖 
    captcha_cv2 = cv2.imread(os.path.join(DIR, captcha),cv2.IMREAD_GRAYSCALE) 
    # 縮放 
    captcha_cv2 = captcha_cv2 / 255.0 
    # print(captcha_cv2.shape) (50, 200)  
    # 將captcha_cv2的(50, 200) 切換成(50, 200, 1) 
    captcha_cv2 = np.reshape(captcha_cv2, img_shape) 
    # (5,19) 
    targs = np.zeros((len_captcha, len_symbols)) 
     
    for a, b in enumerate(captcha_code): 
        targs[a, symbols.index(b)] = 1 
    X[i] = captcha_cv2 
    y[:, i] = targs 
 
print("shape of X:", X.shape) 
print("shape of y:", y.shape) 

輸出如下

print("shape of X:", X.shape) 
print("shape of y:", y.shape) 

通過(guò)Numpy中random 隨機(jī)選擇數(shù)據(jù)，劃分訓(xùn)練集和測(cè)試集

# 生成隨機(jī)數(shù) 
from numpy.random import default_rng 
 
rng = default_rng(seed=1) 
test_numbers = rng.choice(1070, size=int(1070*0.3), replace=False) 
X_test = X[test_numbers] 
X_full = np.delete(X, test_numbers,0) 
y_test = y[:,test_numbers] 
y_full = np.delete(y, test_numbers,1) 
 
val_numbers = rng.choice(int(1070*0.7), size=int(1070*0.3), replace=False) 
 
X_val = X_full[val_numbers] 
X_train = np.delete(X_full, val_numbers,0) 
y_val = y_full[:,val_numbers] 
y_train = np.delete(y_full, val_numbers,1) 

在此驗(yàn)證碼數(shù)據(jù)中，容易出現(xiàn)過(guò)擬合的現(xiàn)象，你可能會(huì)想到添加更多的新數(shù)據(jù)、 添加正則項(xiàng)等， 但這里使用數(shù)據(jù)增強(qiáng)的方法，特別是對(duì)于機(jī)器視覺(jué)的任務(wù)，數(shù)據(jù)增強(qiáng)技術(shù)尤為重要。

常用的數(shù)據(jù)增強(qiáng)操作：imgaug庫(kù)。imgaug是提供了各種圖像增強(qiáng)操作的python庫(kù) https://github.com/aleju/imgaug。

imgaug幾乎包含了所有主流的數(shù)據(jù)增強(qiáng)的圖像處理操作， 增強(qiáng)方法詳見(jiàn)github

# Sequential(C, R)  尺寸增加了5倍， 
# 選取一系列子增強(qiáng)器C作用于每張圖片的位置,第二個(gè)參數(shù)表示是否對(duì)每個(gè)batch的圖片應(yīng)用不同順序的Augmenter list     # rotate=(-8, 8)  旋轉(zhuǎn) 
# iaa.CropAndPad  截取(crop)或者填充(pad),填充時(shí),被填充區(qū)域?yàn)楹谏?nbsp;
# px: 想要crop(negative values)的或者pad(positive values)的像素點(diǎn)。 
# (top, right, bottom, left) 
# 當(dāng)pad_mode=constant的時(shí)候選擇填充的值 
aug =iaa.Sequential([iaa.CropAndPad( 
    px=((0, 10), (0, 35), (0, 10), (0, 35)), 
    pad_mode=['edge'], 
    pad_cval=1 
),iaa.Rotate(rotate=(-8,8))]) 
 
X_aug_train = None 
y_aug_train = y_train 
for i in range(40): 
    X_aug = aug(images = X_train) 
    if X_aug_train is not None: 
        X_aug_train = np.concatenate([X_aug_train, X_aug], axis = 0) 
        y_aug_train = np.concatenate([y_aug_train, y_train], axis = 1) 
    else: 
        X_aug_train = X_aug 

讓我們看看一些數(shù)據(jù)增強(qiáng)的訓(xùn)練圖像。

fig, ax = plt.subplots(nrows=2, ncols =5, figsize = (16,16)) 
for i in range(10): 
    index = np.random.randint(X_aug_train.shape[0]) 
    ax[i//5][i%5].imshow(X_aug_train[index],cmap='gray') 

這次使用函數(shù)式API創(chuàng)建模型，函數(shù)式API是創(chuàng)建模型的另一種方式，它具有更多的靈活性，包括創(chuàng)建更為復(fù)雜的模型。

需要定義inputs和outputs

#函數(shù)式API模型創(chuàng)建 
captcha = Input(shape=(50,200,channels)) 
x = Conv2D(32, (5,5),padding='valid',activation='relu')(captcha) 
x = MaxPooling2D((2,2),padding='same')(x) 
x = Conv2D(64, (3,3),padding='same',activation='relu')(x) 
x = MaxPooling2D((2,2),padding='same')(x) 
x = Conv2D(128, (3,3),padding='same',activation='relu')(x) 
maxpool = MaxPooling2D((2,2),padding='same')(x) 
outputs = [] 
for i in range(5): 
    x = Conv2D(256, (3,3),padding='same',activation='relu')(maxpool) 
    x = MaxPooling2D((2,2),padding='same')(x) 
    x = Flatten()(x) 
    x = Dropout(0.5)(x) 
    x = BatchNormalization()(x) 
    x = Dense(64, activation='relu')(x) 
    x = Dropout(0.5)(x) 
    x = BatchNormalization()(x) 
    x = Dense(len_symbols , activation='softmax' , name=f'char_{i+1}')(x) 
    outputs.append(x) 
     
model = Model(inputs = captcha , outputs=outputs) 
# ReduceLROnPlateau更新學(xué)習(xí)率 
reduce_lr = ReduceLROnPlateau(patience =3, factor = 0.5,verbose = 1) 
model.compile(loss='categorical_crossentropy', optimizer=Adam(learning_rate=0.0005), metrics=["accuracy"]) 
# EarlyStopping用于提前停止訓(xùn)練的callbacks。具體地,可以達(dá)到當(dāng)訓(xùn)練集上的loss不在減小 
earlystopping = EarlyStopping(monitor ="val_loss",   
                             mode ="min", patience = 10, 
                              min_delta = 1e-4, 
                             restore_best_weights = True)  
 
history = model.fit(X_train, [y_train[i] for i in range(5)], batch_size=32, epochs=30, verbose=1, validation_data = (X_val, [y_val[i] for i in range(5)]), callbacks =[earlystopping,reduce_lr]) 

下面對(duì)model進(jìn)行一個(gè)測(cè)試和評(píng)估。

score = model.evaluate(X_test,[y_test[0], y_test[1], y_test[2], y_test[3], y_test[4]],verbose=1) 
metrics = ['loss','char_1_loss', 'char_2_loss', 'char_3_loss', 'char_4_loss', 'char_5_loss', 'char_1_acc', 'char_2_acc', 'char_3_acc', 'char_4_acc', 'char_5_acc'] 
 
for i,j in zip(metrics, score): 
    print(f'{i}: {j}') 

具體輸出如下：

11/11 [==============================] - 0s 11ms/step - loss: 0.7246 - char_1_loss: 0.0682 - char_2_loss: 0.1066 - char_3_loss: 0.2730 - char_4_loss: 0.2636 - char_5_loss: 0.0132 - char_1_accuracy: 0.9844 - char_2_accuracy: 0.9657 - char_3_accuracy: 0.9408 - char_4_accuracy: 0.9626 - char_5_accuracy: 0.9938 
loss: 0.7246273756027222 
char_1_loss: 0.06818050146102905 
char_2_loss: 0.10664034634828568 
char_3_loss: 0.27299806475639343 
char_4_loss: 0.26359987258911133 
char_5_loss: 0.013208594173192978 
char_1_acc: 0.9844236969947815 
char_2_acc: 0.9657320976257324 
char_3_acc: 0.940809965133667 
char_4_acc: 0.9626168012619019 
char_5_acc: 0.9937694668769836 

字母1到字母5的精確值都大于

繪制loss和score

metrics_df = pd.DataFrame(history.history) 
 
columns = [col for col in metrics_df.columns if 'loss' in col and len(col)>8] 
 
fig = px.line(metrics_df, y = columns) 
fig.show() 

plt.figure(figsize=(15,8)) 
plt.plot(history.history['loss']) 
plt.plot(history.history['val_loss']) 
plt.title('model loss') 
plt.ylabel('loss') 
plt.xlabel('epoch') 
plt.legend(['train', 'val'], loc='upper right',prop={'size': 10}) 
plt.show() 

# 預(yù)測(cè)數(shù)據(jù) 
def predict(captcha): 
    captcha = np.reshape(captcha , (1, 50,200,channels)) 
    result = model.predict(captcha) 
    result = np.reshape(result ,(5,len_symbols)) 
    # 取出最大預(yù)測(cè)中的輸出 
    label = ''.join([symbols[np.argmax(i)] for i in result]) 
    return label 
     
predict(X_test[2]) 
# 25277 

下面預(yù)測(cè)所有的數(shù)據(jù)

actual_pred = [] 
 
for i in range(X_test.shape[0]): 
    actual = ''.join([symbols[i] for i in (np.argmax(y_test[:, i],axis=1))]) 
    pred =  predict(X_test[i]) 
    actual_pred.append((actual, pred)) 
print(actal_pred[:10]) 

輸出如下：

[('n4b4m', 'n4b4m'), ('42nxy', '42nxy'), ('25257', '25277'), ('cewnm', 'cewnm'), ('w46ep', 'w46ep'), ('cdcb3', 'edcb3'), ('8gf7n', '8gf7n'), ('nny5e', 'nny5e'), ('gm2c2', 'gm2c2'), ('g7fmc', 'g7fmc')] 

sameCount = 0 
diffCount = 0 
letterDiff = {i:0 for i in range(5)} 
incorrectness = {i:0 for i in range(1,6)} 
for real, pred in actual_pred: 
    # 預(yù)測(cè)和輸出相同 
    if real == pred: 
        sameCount += 1 
    else: 
        # 失敗 
        diffCount += 1 
        # 遍歷 
        incorrectnessPoint = 0 
        for i in range(5): 
            if real[i] != pred[i]: 
                letterDiff[i] += 1 
                incorrectnessPoint += 1 
        incorrectness[incorrectnessPoint] += 1 
 
 
x = ['True predicted', 'False predicted'] 
y = [sameCount, diffCount] 
 
fig = go.Figure(data=[go.Bar(x = x, y = y)]) 
fig.show() 

在預(yù)測(cè)數(shù)據(jù)中，一共有287個(gè)數(shù)據(jù)預(yù)測(cè)正確。

在這里，我們可以看到出現(xiàn)錯(cuò)誤到底是哪一個(gè)index。

x1 = ["Character " + str(x) for x in range(1, 6)] 
     
fig = go.Figure(data=[go.Bar(x = x1, y = list(letterDiff.values()))]) 
fig.show() 

為了計(jì)算每個(gè)單詞的錯(cuò)誤數(shù)，繪制相關(guān)的條形圖。

x2 = [str(x) + " incorrect" for x in incorrectness.keys()] 
y2 = list(incorrectness.values()) 
 
fig = go.Figure(data=[go.Bar(x = x2, y = y2)]) 
fig.show() 

下面繪制錯(cuò)誤的驗(yàn)證碼圖像，并標(biāo)準(zhǔn)正確和錯(cuò)誤的區(qū)別。

fig, ax = plt.subplots(nrows = 8, ncols=4,figsize = (16,20)) 
count = 0 
for i, (actual , pred) in enumerate(actual_pred): 
    if actual != pred: 
        img = X_test[i] 
        try: 
            ax[count//4][count%4].imshow(img, cmap = 'gray') 
            ax[count//4][count%4].title.set_text(pred + ' - ' + actual) 
            count += 1 
        except: 
            pass