专利汇可以提供一种基于LeNet和SSD的点触式验证码自动识别方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于LeNet和SSD的点触式验证码自动识别方法,包括如下步骤:步骤一,使用Charls等抓包工具抓取验证码识别过程的 请求 与响应,分析响应结构,使用HttpURLConnection实现识别文字获取、图片获取、参照javascript模拟碎片图合成过程的自动化,完成web交互的自动化;步骤二,利用Matlab处理矩阵图像的优势,用.m处理图像DBSCAN聚类、二值化、dialation膨胀、输出待识别图像等功能,并封装为jar文件供自动化程序调用。该基于SSD和LeNet的点触式验证码识别方法,能够自动识别点触式验证码的字符及其背景图中所处的 位置 ,并通过一系列的web自动交互完成验证过程,该方法根据使用的深入自我学习强化,不断提升识别 精度 。,下面是一种基于LeNet和SSD的点触式验证码自动识别方法专利的具体信息内容。
1.一种基于LeNet和SSD的点触式验证码自动识别方法,其特征在于,包括如下步骤:
步骤一,使用Charls等抓包工具抓取验证码识别过程的请求与响应,分析响应结构,使用HttpURLConnection实现识别文字获取、图片获取、参照javascript模拟碎片图合成过程的自动化,完成web交互的自动化;
步骤二,利用Matlab处理矩阵图像的优势,用.m处理图像DBSCAN聚类、二值化、dialation膨胀、输出待识别图像等功能,并封装为jar文件供自动化程序调用;
步骤三,制作文字验证码图片数据集,预处理验证码图片生成与原验证码相似的已标注验证码图片,对验证码进行标注作为训练样本;
步骤四,使用TensorFlow搭建改进的LeNet和SSD神经网络模型,并利用准备好的训练样本集训练相应的神经网络模型,自动化程序使用将模型pb文件及训练好的参数集data文件部署在独立的识别服务器,自动化程序根据模型及参数完成识别过程;
步骤五,利用训练好的卷积神经网络模型及参数预测文字位置,并识别文字;
步骤六,将识别成功的字符及其坐标结果提交服务器,完成识别过程。
2.根据权利要求1所述的一种基于LeNet和SSD的点触式验证码自动识别方法,其特征在于:步骤四中改进的LeNet神经网络模型包括conv1 - pool1 - conv2 - pool2 - conv3 - pool3 - fc1 - fc2 - outpout,在经典的LeNet原来7层网络的基础上,增加一个卷积层conv3,和一个池化层pool3。
3.根据权利要求2所述的一种基于LeNet和SSD的点触式验证码自动识别方法,其特征在于:第三层卷积层根据输入图像采用动态大小的过滤器,保证第三层池化后与经典LeNet保持一致的输出,再与fc1全连接,在本次改进的LeNet中,优化器使用Adam,学习率为0.1。
4.根据权利要求1所述的一种基于LeNet和SSD的点触式验证码自动识别方法,其特征在于:文字在图片中的定位基于SSD网络完成,采用GB2312所包含汉字图库训练获训练筛选最优特征提取卷积核组。
5.根据权利要求1所述的一种基于LeNet和SSD的点触式验证码自动识别方法,其特征在于:在SSD中同时加入自适应阈值策略,通过文字区域大小与识别率的对应关系,自动设置prior box的min_size,max_size和aspect_ratio值。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
车门信息检测方法、装置、计算机设备和存储介质 | 2020-05-08 | 102 |
一种多模态智能分析方法及系统 | 2020-05-12 | 447 |
基于改进直流潮流算法的电网无功潮流调整方法及装置 | 2020-05-12 | 141 |
用于控制或调节技术系统的方法 | 2020-05-12 | 965 |
基于强化学习的复杂薄壁结构物体3D打印路径规划方法 | 2020-05-12 | 230 |
一种多用户、多任务的移动边缘计算系统中可缓存的任务迁移方法 | 2020-05-12 | 393 |
虚拟对象的动画生成方法、装置、设备及存储介质 | 2020-05-13 | 829 |
一种基于文本信息的深度强化学习交互式推荐方法及系统 | 2020-05-08 | 865 |
机位智能分配方法、计算机装置及存储介质 | 2020-05-11 | 127 |
一种基于算法学习的边缘提取方法 | 2020-05-13 | 973 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。