-
Notifications
You must be signed in to change notification settings - Fork 2
/
README
42 lines (28 loc) · 1.55 KB
/
README
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
Para prever CAPTCHAS, baixe as imagens e nomeia-as da forma 'teste[numero]' e mova-as para a pasta test_imgs
Alguns exemplos de imagens estão no diretório test_imgs.
na linha de comando linux digite:
'python decaptcha_cnn.py predict [imagens]', por exemplo
'python decaptcha_cnn.py predict test_imgs/*'
Se tudo ocorrer bem, aparecerá a imagem do captcha em preto e branco
e no título da imagem, o que a rede neural pensa que está escrito na imagem
Feche a imagem e você será perguntado se deve renomear a imagem o proposto pela rede neural
aperte 's' para renomear, 'n' para não renomear.
Além disso, há opções de tentar prever novamente, já que a previsão é feita estocasticamente,
de acordo com um vetor de probabilidade aprendido pela rede
aperte 'ts' para tentar outra vez e 'td' para tentar outra vez utilizando a opção determinística,
na qual é previsto apenas os dígitos de maior probabilidade.
USUÁRIOS DE WINDOWS OU MAC
terão que alterar a linha 400 do código para o comando de renomear do o.s.
Para windows, acredito que a linha deva ser substituída por
os.system("ren " + captcha_file + ' test_imgs/' + cpt_figured)
O programa depende sas seguintes bibliotecas de Python:
glob # para achar os arquivos
PIL # para manipular as imagens
numpy # para trabalhar com dados de maneira eficiente
matplotlib # para visualização
sklearn # para validação cruzada
os # para salvar o progresso
tensorflow as tf # para redes neurais
time # para cronometrar
scipy # para manipular imagens como arrays numpy
sys # para execução na linha de comando