0
点赞
收藏
分享

微信扫一扫

Python实现点击选择验证码破解

软件共享软件 06-23 18:40 阅读 2

资源下载地址:https://download.csdn.net/download/sheziqiong/85739158

破解点击选择验证码

训练命令

  • sh run.sh yolo_train - 训练定位器
  • sh run.sh yolo_vaild - 批量前向定位器,保存结果为记事本。
  • sh run.sh classifier_train - 训练分类器
  • sh run.sh classifier_valid - 批量前向分类器

依赖

运行在python2,若使用python3注意darknet生成网络模型字符串需要加b前缀。

  • opencv3
  • easydict
  • Jinja2
  • Flask
  • scipy
  • numpy

目录结构

.
├── Makefile
├── README.md
├── cfg
│   ├── chinese.data                    分类器训练配置文件
│   ├── chinese_character.cfg           分类器网络配置文件
│   ├── yolo-origin.cfg                 定位器网络配置文件
│   ├── yolo-origin.data                定位器训练配置文件
│   ├── yolo-valid.cfg                  定位器批量前向网络配置文件
│   └── yolo-valid.data                 定位器批量前向配置文件
├── darknet                             darknet二进制
├── data
│   ├── chinese_label.names             分类器标签名称
│   └── yolo.names                      定位器标签名称
├── examples
├── include
├── model
│   └── character.dict                  分类器编码,需要替换
├── python
│   ├── __init__.py
│   ├── darknet.py                      darknet python接口
│   ├── sampleImage.py      
│   └── server.py                       部署模型接口
├── results                             yolo前向结果保存位置
│   └── comp4_det_test_character.txt
├── run.sh                              训练脚本
├── requierment.txt                     python依赖                            
├── train_cfg
│   ├── *.template                      训练配置模板文件
│   └── generate.py                     生成模板文件
├── scripts                             voc数据集转换脚本
└── src                                 darknet源代码

定位器训练

文件准备

准备如下两个文件

cfg
├── yolo-origin.cfg
└── yolo-origin.data

yolo-origin.cfg

[convolutional]
size=1
stride=1
pad=1
filters=30
activation=linear

[region]
anchors =  1.3221, 1.73145, 3.19275, 4.00944, 5.05587, 8.09892, 9.47112, 4.84053, 11.2364, 10.0071
bias_match=1
classes=1
coords=4
num=5
softmax=1
jitter=.3
rescore=1

object_scale=5
noobject_scale=1
class_scale=1
coord_scale=1

absolute=1
thresh = .6
random=1
  • filter
    

    为30,其计算公式为

    filter=num(classes+coord+1)filter=num(classes+coord+1)

    30=5(1+4+1)30=5(1+4+1)

  • num代表每个框最多预测多少物体。

  • classes代表一共有多少个类,这里为1。

  • coord代表回归的四个位置,分别为<x> <y> <width> <height>代表物体中心点相对位置以及物体相对大小。如的标签为0 0.2 0.75 0.16 0.18的标签为0 0.7 0.15 0.15 0.17。这张图的标签就是

0 0.2 0.75 0.16 0.18
0 0.7 0.15 0.15 0.17

yolo-origin.data

classes= 1
train = /some_path/train.txt
valid = /some_path/train.txt
names = darknet/data/yolo.names
backup = darknet/debug
  • classes代表一共有多少
  • train代表存放训练数据路径位置文件
  • valid代表存档前向测试数据路径文件
train.txt
products/trainval/0000172_6_0.jpg
products/trainval/0000172_6_1.jpg
products/trainval/0000172_6_2.jpg

label与图片在同一文件夹下

  • names前向时类别名称 (track, dog,bicycle),在这里为任意一种即可,叫什么都可以。

  • 在这里插入图片描述

  • backup训练后权重保存位置

训练

准备好文件后下载对应的权重,开始训练

wget https://pjreddie.com/media/files/darknet19_448.conv.23
sh run.sh yolo_train

分类器训练

准备文件

cfg
├── chinese_character.cfg
└── chinese.data

chinese_character.cfg

[convolutional]
batch_normalize=1
filters=1024
size=3
stride=1
pad=1
activation=leaky

[convolutional]
filters=3549
size=1
stride=1
pad=1
activation=leaky

[avgpool]

[softmax]
groups=1

[cost]
type=sse
  • filters 最后一层卷基层代表汉字分类个数,这里为3549

Chinese.data

classes=3549
train  = darknet/chinese_character_train/train.list
valid  = chinese_character_train/train.list
labels = darknet/data/chinese_label.names
backup = darknet/model/classifier
top=100
  • classes 代表分类个数
  • train代表存放训练数据路径位置文件
  • valid代表存档前向测试数据路径文件
train.txt
products/trainval/0000172_abcdefg.jpg
products/trainval/0000173_abcdfge.jpg
products/trainval/0000174_bcabfge.jpg
  • names 代表标签名称
abcdefg
abcdegf
abcdfeg
abcdfge
abcdgef
abcdgfe
abcedfg
abcedgf

darknet在通过文件名与names中的字符串做匹配,匹配到则认为该标签为匹配到的字串。如products/trainval/0000172_abcdefg.jpg,由于names中出现abcdefg,所以这张图的标签为abcdefg。所以图片的路径绝对不可以出现多个names中包含的字串,如果路径为some_path1/data2/3.jpgnames中包含1,2,3,则这张图片会被认为匹配1,2,3多个label从而报错。

  • top 代表vaild时取前多少计算正确率。如top100代表前分类时概率最大的前100类中出现了正确的标签就认为正确。因为点击验证码存在先验,我们有候选字的范围,可以结合候选字进行破解。

训练

sh run.sh classifier_train

配置文件生成

修改train_cfg/generate.py配置。最终配置生成在train_cfg目录下。

python train_cfg/generate.py

资源下载地址:https://download.csdn.net/download/sheziqiong/85739158

举报

相关推荐

0 条评论