卷积神经网络识别汉字验证码

• 作者: 李帅 苟凡 范望 韩俊刚
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 验证码 汉字验证码 CNN Keras框架
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 160-165
• 页数: 6页
• 分类号: TP391
• 字数: 4462字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1706-0304

摘要

验证码今已广泛应用在各个领域,常见的英文字母与数字组合的验证码自动识别准确率已达到较高的水准,而汉字因其字符复杂,用传统方法进行自动识别难度很大.提出一种基于卷积神经网络的验证码自动识别方法来提高字符的识别准确率.采用Keras卷积神经网络框架,设计多层卷积来提取深层次图像信息,分别对汉字验证码和字母数字验证码进行识别,以提高模型的泛化性.实验结果表明用该方法汉字验证码的单字识别率已达到99.4％;传统四字符字母数字验证码的识别率最高达到99.3％.这一结果表明深度神经网络对验证码复杂结构的感知能力很强大,通过对比实验发现Keras框架在验证码识别领域有较好效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩俊刚	西安邮电大学研究生学院	113	703	14.0	20.0
2	范望	西安邮电大学研究生学院	2	17	1.0	2.0
3	苟凡	西安邮电大学研究生学院	1	16	1.0	1.0
4	李帅	西安邮电大学研究生学院	2	17	1.0	2.0