過日子不記錄，就是對自己人生的極大不負責任！

逛吃逛吃小隊完成的題目是type1，但是在初期拿到數據集時候，也嘗試構建了其他幾個任務的數據集。關于type1，因為所處理的是手寫字符，所以采用的方案是使用mnist數據集來訓練模型，mnist數據集模型，根據wiki上的介紹：

該模型的準確率可以達到error在0.17%左右，在使用過程中，由于訓練平臺的原因，我們采用的是mnist測試數據集上準確率可以到98.5%以上的模型

wiki上的介紹在這里

算法處理的步驟;

數據生成：（最后雖然沒有用上，但是我們好好做了所有數據生成的代碼） 文件夾：data_generation/data_generation.py 里面有8個type的data，其中英文單詞和中文成語選取的是牛津詞典和新華詞典里的數據庫，任務7中，生成倒置漢字時候，改寫了captcha庫中關于字體旋轉的部分，令其大于180度，其余的都使用captcha庫可以得到近似的效果

?

后來發現type1和·type2中的都是手寫字符，于是使用了mnist和Enghand數據集（英文手寫數據集）作為訓練集

數據預處理（vertical_cut_v1.py)

二值化 對于Type1，圖片大致可以分為兩類，一類是背景圖片是大片相同或者近似顏色的圖片，這種可以很方便的使用opencv的二值化函數，選取閾值在85左右進行二值化處理

去噪函數：去噪函數應該放在第二步，去干擾線會導致數據的不連通，因此使用opencv的findcolour函數，通過判斷像素連通域點在20以下的填充為白色

去干擾線：這一步驟使用的是pycapt提供的去干擾線函數，起作用的主要是去干擾線函數，在提供的數據集中，圖片上的干擾線基本上是一個像素點連續的曲線或者直線，根據n鄰域算法可以判斷出是否是干擾線

連通域回復，這一步使用的opencv提供的膨脹函數，可以有效回復部分一些被過度處理的比較細的字體

數據切分，數據切分有兩個處理方案，一個是被稱為豎直投影切分的辦法，1我們的算法就是采用的這種方法，通過判斷x軸上有色像素點的數目，設定閾值為6，閾值大于6的時候，就判斷處于字符處，閾值小于6的時候判斷是空白背景

補充，關于背景色是馬賽克的圖片，不同之處在于要選擇合適的閾值二值化，以及使用opencv的findcolour函數選擇更合適的去噪閾值（試出來的）

2、模型選擇：多層卷積神經網絡，在mnist數據集上，根據wiki的介紹，目前最好的效果是?Hu, Jie; Shen, Li; Albanie, Samuel; Sun, Gang; Wu, Enhua (2017). "Squeeze-and-Excitation Networks"中的Committee of 20 CNNS with Squeeze-and-Excitation Networks

此外，之前也考慮過直接跳過數據預處理，直接對完整的圖片進行操作，但是失敗并放棄的原因主要是

圖片尺寸不固定

字符數目不固定

這樣訓練集不足

結果分析：

對于初賽結果，準確率僅有6.5%，關于準確率低下的原因：

主要有兩個：

其一：對于比較細的字符如7，9，l等在圖片預處理去噪的過程中，干擾線處理導致連通域不完整，其次使得本來不大的字符被過度處理，在進行后續的步驟的時候不能得到準確的切分，因為少數幾個關鍵字符，導致切分錯誤

其二：對于背景色是馬賽克的圖片，由于難以選擇合適的固定閾值，于是最后選擇了skimage下的filter函數得到動態調整閾值，再加上50作為二值化的閾值，但是結果導致仍有大量的噪聲點，在后續的膨脹過程中，就導致了圖片上有很多連通域，在切分的時候就有噪聲點被當作了圖片

其三：在模型輸入的時候還是存在一些不精細的地方，如mnist數據集是28*28的輸入，并且數據輸入的時候進行了歸一化，即輸入的圖片是值在0到1之間的浮點數，而我們在初期測試自己的照片的時候可能存在不是特別好的處理

?

外部鏈接：

https://www.jianshu.com/p/7a2b227896a8

提供了CTC不定長驗證碼處理的方案

?

總結

以上是生活随笔為你收集整理的比赛记录——记录一次失败的比赛，九坤量化验证码识别大赛的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。