本文主要向大家介绍了机器学习入门之TensorFlow练习20: 使用深度学习破解字符验证码，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

验证码的作用是验证用户是真人还是机器人；设计理念是对人友好，对机器难。


上图是常见的字符验证码，还有一些验证码使用提问的方式。
我们先来看看破解验证码的几种方式：

人力打码（基本上，打码任务都是大型网站的验证码，用于自动化注册等等）
找到能过验证码的漏洞
最后一种是字符识别，这是本帖的关注点

我上网查了查，用Tesseract OCR、OpenCV等等其它方法都需把验证码分割为单个字符，然后识别单个字符。分割验证码可是人的强项，如果字符之间相互重叠，那机器就不容易分割了。
本帖实现的方法不需要分割验证码，而是把验证码做为一个整体进行识别。
相关论文：

Multi-digit Number Recognition from Street View Imagery using Deep CNN
CAPTCHA Recognition with Active Deep Learning
//matthewearl.github.io/2016/05/06/cnn-anpr/

使用深度学习+训练数据+大量计算力，我们可以在几天内训练一个可以破解验证码的模型，当然前提是获得大量训练数据。
获得训练数据方法：

手动（累死人系列）
破解验证码生成机制，自动生成无限多的训练数据
打入敌人内部（卧底+不要脸+不要命+多大仇系列）

我自己做一个验证码生成器，然后训练CNN模型破解自己做的验证码生成器。
我觉的验证码机制可以废了，单纯的增加验证码难度只会让人更难识别，使用CNN+RNN，机器的识别准确率不比人差。Google已经意识到了这一点，他们现在使用机器学习技术检测异常流量。
验证码生成器

from captcha.image import ImageCaptcha  # pip3 install captcha
import numpy as np
import matplotlib.pyplot as plt # sudo pip3 install matplotlib && sudo apt-get install python3-tk 此处为转载时添加
from PIL import Image
import random

# 验证码中的字符, 就不用汉字了
number = [‘0‘,‘1‘,‘2‘,‘3‘,‘4    

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！