基于卷积神经网络的验证码识别

• 作者: 刘军 张苏沛 杜壮 肖澳文
• 来源期刊: 武汉工程大学学报
• 学科: 工学
• 关键词: 验证码 卷积神经网络 字符识别 学习率
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 机电与信息工程
• 页码范围: 89-92
• 页数: 4页
• 分类号: TP317.4
• 语种: 中文
• DOI: 10.3969/j.issn.1674-2869.2019.01.015

摘要

针对传统验证码识别受字符分割限制的问题,将卷积神经网络应用到验证码的特征分析和识别中.使用验证码图像整体作为输入,对传统的LeNet-5的网络结构进行改进,构建一种端到端的卷积神经网络对图像由低级到高级逐层提取图像特征,选取ReLU作为激活函数,实现对验证码的识别.实验过程中设置对照组,研究不同因素对识别准确率的影响.测试结果显示,该模型能够进行端到端的识别,避免了字符分割方法流程过多导致的不足,在测试集上达到99％的识别率.结果表明训练次数的增加以及学习率的优化有助于提高卷积神经网络的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘军		27	109	5.0	9.0
2	张苏沛		2	0	0.0	0.0
3	肖澳文		2	0	0.0	0.0
4	杜壮		2	0	0.0	0.0