基于TensorFlow和CNN模型的驗(yàn)證碼識(shí)別研究

打開文本圖片集

摘  要：針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)中應(yīng)用于多位字符驗(yàn)證碼的分割識(shí)別方法具有整體準(zhǔn)確率低、泛化能力不足的問題，提出一種高效通用的識(shí)別方法。設(shè)計(jì)基于CNN模型的端到端字符型驗(yàn)證碼識(shí)別流程，使用TensorFlow框架實(shí)現(xiàn)流程的數(shù)據(jù)訓(xùn)練和效果驗(yàn)證。該方法可以高效地識(shí)別出字符型驗(yàn)證碼，其平均準(zhǔn)確率為95%以上，輸入整張圖片，直接輸出整體識(shí)別結(jié)果，具有更強(qiáng)的通用性。（剩余6585字）