用于腾讯文字点选验证码目标识别的实现

• main.py: 用于训练
• runYolo.py: 用于模型识别
• generateCapter: 用于生成训练用的训练集

训练好的pt文件在runs/detect/train2/best.pt，正确率高达90%（训练20次的时候其实mAP50已经99.5%了）

训练思路：

其实针对腾讯的验证码识别分类是比较简单的，其实我个人有两种方案：

方案一： 纯Yolo：使用Yolo在进行目标识别的同时且对其目标进行分类。

方案二： Yolo+CNN：其实就是ddddocr的方案，先用Yolo框选出其文字，只负责目标识别。而CNN负责针对框选文字进行分类

这里我只列出了方案一，因为方案一基本够用了，正确率也够高了。而训练集的话其实没必要傻乎乎的手动进行标注，如果学过人工智能基础的都知道，我们最终目的是为了让神经网络捕获其目标特征，那么我们为什么必须要用原来的目标特征了？难道不能自己通过程序生成及其相似特征的数据进行学习吗？并且生成的同时还自动进行标注了，这不挺好？这里我就使用了这个思路，而且训练效果也非常的不错。

免责申明

训练集没有用到腾讯的任何验证码，所有训练集均由自制generateCapter.py生成。

本项目基于 MIT + Non-Commercial License 发布，仅限学习与研究使用，禁止商业用途。