在當今數(shù)字化時代，驗證碼作為一種重要的安全驗證手段，廣泛應用于各種網(wǎng)絡場景。然而，傳統(tǒng)的驗證碼識別方法往往效率低下，準確率不高。今天，我們將介紹一種基于 ResNet18 的驗證碼識別方法，它能夠高效、準確地識別驗證碼，為網(wǎng)絡安全提供有力保障。

一、技術背景

深度學習技術在圖像識別領域取得了巨大的成功，ResNet18 作為一種經(jīng)典的深度神經(jīng)網(wǎng)絡架構，具有強大的特征提取能力和良好的泛化性能。我們利用 ResNet18 的這些優(yōu)勢，將其應用于驗證碼識別任務中，通過遷移學習的方法，快速訓練出一個高效的驗證碼識別模型。

以下是實現(xiàn) ResNet18 驗證碼識別的代碼：

import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader, Dataset, random_split
from torchvision import transforms, models
import random
import string
from PIL import Image, ImageDraw, ImageFont
import os
import matplotlib.pyplot as plt# 檢查 CUDA 是否可用
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
print(f'Using device: {device}')# 數(shù)據(jù)生成器，支持自定義字符集和驗證碼長度
class CaptchaDataset(Dataset):def __init__(self, length=1000, charset=None, captcha_length=5, transform=None):self.length = lengthself.transform = transformself.charset = charset if charset is not None else string.ascii_letters + string.digitsself.captcha_length = captcha_lengthself.num_classes = len(self.charset)self.font = ImageFont.truetype("arial.ttf", 40)self.image_size = (100, 40)def __len__(self):return self.lengthdef __getitem__(self, idx):text = ''.join(random.choices(self.charset, k=self.captcha_length))image = Image.new('L', self.image_size, color=255)draw = ImageDraw.Draw(image)draw.text((10, 5), text, font=self.font, fill=0)if self.transform:image = self.transform(image)label = [self.charset.index(c) for c in text]return image, torch.tensor(label, dtype=torch.long)# 數(shù)據(jù)增強和預處理
transform = transforms.Compose([transforms.Resize((40, 100)),transforms.RandomRotation(10),transforms.ColorJitter(brightness=0.5, contrast=0.5),transforms.ToTensor(),transforms.Normalize((0.5,), (0.5,))
])# 設置字符集和驗證碼長度
charset = string.digits  # 僅支持數(shù)字
captcha_length = 4  # 驗證碼長度設置為 6 位
dataset = CaptchaDataset(length=2000, charset=charset, captcha_length=captcha_length, transform=transform)
train_size = int(0.8 * len(dataset))
val_size = len(dataset) - train_size
train_dataset, val_dataset = random_split(dataset, [train_size, val_size])train_loader = DataLoader(train_dataset, batch_size=64, shuffle=True)
val_loader = DataLoader(val_dataset, batch_size=64, shuffle=False)# 使用預訓練 ResNet 模型，遷移學習
class CaptchaModel(nn.Module):def __init__(self, num_classes, captcha_length):super(CaptchaModel, self).__init__()self.captcha_length = captcha_lengthself.resnet = models.resnet18(weights=models.ResNet18_Weights.DEFAULT)self.resnet.conv1 = nn.Conv2d(1, 64, kernel_size=7, stride=2, padding=3, bias=False)num_ftrs = self.resnet.fc.in_featuresself.resnet.fc = nn.Linear(num_ftrs, num_classes * self.captcha_length)  # 動態(tài)調(diào)整輸出層大小def forward(self, x):x = self.resnet(x)return x.view(-1, self.captcha_length, num_classes)# 初始化模型，損失函數(shù)和優(yōu)化器
num_classes = len(charset)
model = CaptchaModel(num_classes=num_classes, captcha_length=captcha_length).to(device)
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)# 加載或保存訓練檢查點
def save_checkpoint(state, filename="captcha_model_checkpoint.pth.tar"):print("=> Saving checkpoint")torch.save(state, filename)def load_checkpoint(filename="captcha_model_checkpoint.pth.tar"):print("=> Loading checkpoint")return torch.load(filename)# 支持多次訓練，從檢查點恢復訓練
def train_model(epochs, resume=False):start_epoch = 0if resume and os.path.isfile("captcha_model_checkpoint.pth.tar"):checkpoint = load_checkpoint()model.load_state_dict(checkpoint['state_dict'])optimizer.load_state_dict(checkpoint['optimizer'])start_epoch = checkpoint['epoch']scaler = torch.cuda.amp.GradScaler()for epoch in range(start_epoch, epochs):model.train()running_loss = 0.0for images, labels in train_loader:images, labels = images.to(device), labels.to(device)optimizer.zero_grad()with torch.cuda.amp.autocast():outputs = model(images)loss = sum(criterion(outputs[:, i, :], labels[:, i]) for i in range(captcha_length))scaler.scale(loss).backward()scaler.step(optimizer)scaler.update()running_loss += loss.item()# 計算驗證集準確率val_accuracy = evaluate_accuracy(val_loader)print(f'Epoch [{epoch+1}/{epochs}], Loss: {running_loss/len(train_loader):.4f}, Val Accuracy: {val_accuracy:.4f}')# 保存檢查點save_checkpoint({'epoch': epoch + 1,'state_dict': model.state_dict(),'optimizer': optimizer.state_dict(),})# 計算準確率
def evaluate_accuracy(data_loader):model.eval()correct = 0total = 0with torch.no_grad():for images, labels in data_loader:images, labels = images.to(device), labels.to(device)outputs = model(images)predicted = torch.argmax(outputs, dim=2)total += labels.size(0) * captcha_lengthcorrect += (predicted == labels).sum().item()return correct / total# 可視化模型預測結果
def visualize_predictions(num_samples=16):model.eval()samples, labels = next(iter(DataLoader(val_dataset, batch_size=num_samples, shuffle=True)))samples, labels = samples.to(device), labels.to(device)with torch.no_grad():outputs = model(samples)predicted = torch.argmax(outputs, dim=2)samples = samples.cpu()predicted = predicted.cpu()labels = labels.cpu()fig, axes = plt.subplots(4, 4, figsize=(10, 10))for i in range(16):ax = axes[i // 4, i % 4]ax.imshow(samples[i].squeeze(), cmap='gray')true_text = ''.join([dataset.charset[l] for l in labels[i]])pred_text = ''.join([dataset.charset[p] for p in predicted[i]])ax.set_title(f'True: {true_text}\nPred: {pred_text}')ax.axis('off')plt.show()# 訓練模型
train_model(epochs=20, resume=False)# 可視化模型預測結果
visualize_predictions()

四、模型評估與可視化

1. 準確率計算：我們使用準確率作為模型的評估指標，計算方法是將模型預測正確的驗證碼數(shù)量除以總驗證碼數(shù)量。在驗證集上的準確率可以反映模型的泛化能力。
2. 可視化預測結果：為了更好地理解模型的預測結果，我們使用可視化方法展示了模型在驗證集上的預測結果。具體來說，我們隨機選擇了一些驗證碼圖像，并將其輸入到模型中進行預測。然后，我們將模型的預測結果與真實結果進行比較，并以圖像的形式展示出來。

五、總結與展望

通過使用 ResNet18 進行驗證碼識別，我們?nèi)〉昧溯^好的效果。在未來的工作中，我們可以進一步優(yōu)化模型架構和訓練方法，提高模型的準確率和效率。同時，我們還可以將該方法應用于其他類型的驗證碼識別任務中，為網(wǎng)絡安全提供更加全面的保障。

總之，ResNet18 為驗證碼識別提供了一種新的思路和方法，它具有強大的特征提取能力和良好的泛化性能，能夠高效、準確地識別驗證碼。相信在未來的發(fā)展中，深度學習技術將在驗證碼識別領域發(fā)揮更加重要的作用。