這軟體是如何煉成的 - acdsee400/TKU_Course_Helper GitHub Wiki
Ver0.1
-
Dry Run 3000 Samples
- 辨識率大約落在80-85%左右
- 可進一步測試 若事先優化圖片 是否可以達到更好的效果?
- 第一次試做的效果並不好,有高度錯誤的可能性
-
驗證碼組成分析
-
PNG格式
-
背景圖片:
- R:0
- G:128
- B:0
- Alpha通道:透明度管理
-
PNG圖檔 缺口雜訊由透明圖層組合而成
-
可先透過OpenCV處理 去除缺口雜訊
-
import cv2
def main():
img=cv2.imread("test1.png",cv2.IMREAD_UNCHANGED)
h,w,c=img.shape
for i in range(w):
for j in range(h):
if(img[j][i][3]!=255):
print(img[j][i])
img[j][i][0]=0
img[j][i][1]=128
img[j][i][2]=0
img[j][i][3]=255
cv2.imwrite("DeAcc2.png",img)
#print(img[0][0][3])
main()
- 背景線條 可否在二值化之後 透過Hough Line處理 移除干擾?
- 背景線條實質上不影響判讀
- 在此使用Otsu來進行自動二值化判斷
- Result
_,th = cv2.threshold(img,0,255,cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)
Ver0.2
- 模型訓練時間大約為1~1.5hr
- 總樣本數為3013 取10%作為確認比率
- 最終Val_acc:0.9934
- Result: