使用深度学习识别滑动验证码的缺口

上一节中我们使用深度学习完成了图形验证码的识别过程,正确率和使用 OCR 技术相比,高了非常多。这时可能有朋友会说,8.2 节不是还介绍了一种使用图像处理技术识别滑动验证码缺口的方法吗? 深度学习可以用在这种场景下吗?

当然可以,本节中我们就来了解使用深度学习识别滑动验证码缺口的方法。

准备工作

目标检测

数据准备

训练

测试

总结

本节主要介绍使用深度学习识别滑动验证码缺口的整体流程,最终我们成功训练出了模型,并得到了一个深度学习模型文件。

往这个模型中输入一张滑动验证码图片,模型便会输出缺口的相关信息,包括偏移量、宽度等,通过这些信息可以确定缺口所处的位置。

和 8.3 节一样,本节介绍的内容也可以做进一步优化,即把预测过程对接 API 服务器,例如对接 Flask、Django、FastAPI等,把预测过程实现为一个支持 POST 请求的 API。