Basic number captcha solver

tensorflow CNN을 사용한 기본 숫자 보안 문자 해결사

이는 Python 3, Keras 및 TensorFlow에서 CNN을 실제로 구현한 것입니다. 우리는 나중에 CNN 모델을 훈련하고 저장하는 train.py 의 CNN 모델에 공급되는 인공물 없는 숫자 이미지를 생성하는 Preprocess.py 사용하여 2가지 주요 단계로 작업합니다.

이 보안 문자 솔버는 METU의 학생 포털 보안 문자 보호(https://student.metu.edu.tr/)를 우회하기 위해 metu-NTE-scraper에서 사용되도록 개발되었으며 현재 사용되고 있습니다. 하지만 사용 방법에 설명된 간단한 단계를 통해 애플리케이션에서 사용할 수 있습니다. 부분.

CNN 모델 설명

저는 숫자 추출 후 보안 문자 이미지를 분류하기 위해 TensorFlow를 사용하여 CNN을 교육했습니다. 모델은 2개의 컨볼루셔널 레이어와 풀링 레이어, 그 뒤에 오는 완전 연결 레이어로 구성됩니다. 저는 나중에 60000자리 이미지로 분할된 10000개의 보안 문자 이미지로 구성된 데이터 세트에서 모델을 훈련했으며 12000자리 img 테스트 세트에서 99.94%의 테스트 정확도를 달성했습니다.

모델의 학습 및 테스트 정확도는 다음과 같습니다.

• 열차 정확도: 1.0
• 테스트 정확도: 0.9994166493415833

참고: 활성화 뉴런 반응의 일부 이미지는 4가지 전처리 단계 아래에서 볼 수 있습니다.

그것을 사용하는 방법?

1. predict.py Python 프로그램으로 가져옵니다.

 Import predict

2. 보안 문자를 예측하는 유일한 인수로 보안 문자 이미지의 파일 경로를 사용하여 predict_captcha 함수를 호출합니다.

 filepath="pathtocaptchaimage"
prediction=predict.predict_captcha(filepath)

어떻게 작동하나요?

숫자 추출기와 모델의 이해를 돕기 위해 시각화된 단계를 보여줍니다.

Preprocess.py 는 4단계로 작동하여 마지막에 모델 활성화와 함께 아래에 표시된 숫자 이미지를 생성합니다.

1-아티팩트 제거

첫 번째 단계에서는 SampleCollecter.py 사용하여 수집된 보안 문자 이미지의 아티팩트를 지웁니다.

원본 이미지	아티팩트 제거 후

2-클리핑

나중에 인공물이 없는 이미지가 잘려서 보안 문자의 숫자를 묶습니다.

아티팩트 제거 후	잘림

3-K_평균

가중 K-평균은 각 숫자의 중심을 찾는 데 사용됩니다.

잘림	중심

4자리 추출

마지막으로 k-평균에서 찾은 중심을 사용하여 숫자 이미지를 만듭니다.

중심	숫자

5-활성화 이미지

숫자가 추출된 후. CNN 모델은 보안 문자 이미지를 예측하는 데 사용됩니다. 다음은 CNN의 마지막 컨볼루셔널 레이어에 대해 생성된 활성화 뉴런입니다. 이 이미지들은 마지막 컨볼루션 레이어의 출력을 추출하고 이를 이미지로 시각화하여 생성되었습니다. 아래 활성화 이미지는 2자리 이미지의 마지막 컨벌루션 레이어에 있는 일부 필터의 응답을 보여줍니다.

추출된 숫자	활성화 10	활성화 18	활성화 26	활성화 29

참고: 다른 뉴런 반응을 보려면 활성화를 확인할 수 있습니다.