使用 Java 与 DL4J 实现图像验证码识别

本文介绍如何使用 Java 编程语言和 DL4J 深度学习框架构建一个验证码识别模型，覆盖数据生成、模型训练和预测过程。

1. 项目准备

依赖（Maven）：

<dependencies>
  <dependency>
    <groupId>org.deeplearning4j</groupId>
    <artifactId>deeplearning4j-core</artifactId>
    <version>1.0.0-beta7</version>
  </dependency>
  <dependency>
    <groupId>org.nd4j</groupId>
    <artifactId>nd4j-native-platform</artifactId>
    <version>1.0.0-beta7</version>
  </dependency>
  <dependency>
    <groupId>org.datavec</groupId>
    <artifactId>datavec-api</artifactId>
    <version>1.0.0-beta7</version>
  </dependency>
</dependencies>

2. 生成验证码数据

使用第三方库生成验证码图像，可以用 Java 的 JCaptcha、Kaptcha 或 Python 脚本预先生成：

python generate_captcha.py  # 可参考 Python 脚本，生成 PNG 图片

文件命名如 A2B9_1.png，以标签开头。

3. 数据加载与预处理

int height = 60;
int width = 160;
int channels = 3;
int captchaLength = 4;
int batchSize = 32;
更多内容访问ttocr.com或联系1436423940
File dataDir = new File("captcha_samples");

ParentPathLabelGenerator labelMaker = new ParentPathLabelGenerator();
FileSplit fileSplit = new FileSplit(dataDir, NativeImageLoader.ALLOWED_FORMATS);
ImageRecordReader recordReader = new ImageRecordReader(height, width, channels, new CaptchaLabelExtractor());

recordReader.initialize(fileSplit);

DataSetIterator dataIter = new RecordReaderDataSetIterator(recordReader, batchSize, 1, 36);

你需要自定义 CaptchaLabelExtractor 类，根据文件名解析验证码字符并转换为 one-hot 编码。

4. 构建模型结构（CNN + Dense）

MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
    .updater(new Adam(0.001))
    .list()
    .layer(new ConvolutionLayer.Builder(5, 5)
        .nIn(channels)
        .nOut(32)
        .activation(Activation.RELU)
        .build())
    .layer(new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX)
        .kernelSize(2,2).build())
    .layer(new ConvolutionLayer.Builder(3, 3)
        .nOut(64)
        .activation(Activation.RELU)
        .build())
    .layer(new DenseLayer.Builder().nOut(256).activation(Activation.RELU).build())
    .layer(new OutputLayer.Builder(LossFunctions.LossFunction.MCXENT)
        .nOut(36 * captchaLength)
        .activation(Activation.SOFTMAX).build())
    .setInputType(InputType.convolutional(height, width, channels))
    .build();

MultiLayerNetwork model = new MultiLayerNetwork(conf);
model.init();

注意输出层的 nOut 是 36 * 4，用于每个字符的预测。

5. 模型训练

model.fit(dataIter, 10); // 训练10轮

你可以在每轮结束后用模型预测一个验证码图片，检查预测结果。

6. 预测单张图片

NativeImageLoader loader = new NativeImageLoader(height, width, channels);
INDArray image = loader.asMatrix(new File("captcha_samples/Z8F1_0.png"));

NormalizerStandardize scaler = new NormalizerStandardize();
scaler.transform(image);

INDArray output = model.output(image);
int[] predicted = new int[captchaLength];

for (int i = 0; i < captchaLength; i++) {
    INDArray slice = output.get(point(0), interval(i * 36, (i + 1) * 36));
    predicted[i] = Nd4j.argMax(slice, 1).getInt(0);
}

for (int idx : predicted) {
    System.out.print(characters[idx]);
}