点选

基于孪生神经网络实现的点选识别

温馨提示

该项目仅供学习研究改进点选验证码的安全性，请勿用于商用或其他带有攻击性质的业务场景中！！！

效果

4090训练100轮测试集可以达到98.6%以上，基本上已经破解了该类验证码。

坑

注意啊，建议重新把yolo分割文字那个部分训练下，因为我这个样本是别人从前台截图后标注训练的，导致泛化性能不是很好！！有能力的话建议把样本都重新标注下。

如何使用？

下载数据集和预训练模型：https://systems.lanzout.com/iWUqz15mo57a

环境安装

安装环境，我用到的是python3.8

conda create -n geetest python=3.8

安装必要的环境

pip3 install -r requirement.txt

CUDA安装

换conda源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels  https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes

安装cuda和 cudnn

conda install cudnn=8.1.0.77 cudatoolkit=11.2.0

数据准备

准备数据集，放入data中，格式为 id_序号.jpg|png，id可以采用uuid，序号第一张图是1，第二张图是2，只能两张图

例如，相同的两个字， xxxxx_1.jpg和xxxxx_2.jpg

训练模型

配置训练参数,config.py中，一般来说只需要配置gpu就行了，如果你没有gpu就不填，就自动使用cpu

开始训练

python train.py

预测

python predict.py

最后

邮箱：wlkjyy@vip.qq.com

希望各位大佬打赏点，前期找人标注花了不少的资金！！！！

chenjin01 / dianxuan

点选