用 Java 和 DL4J 实现验证码识别系统

在本文中,我们将用 Java 语言配合 DeepLearning4J 框架构建一个图像验证码识别系统,包括数据准备、模型搭建、训练和测试四个主要部分。


1. 环境准备

确保你已配置以下工具:

  • JDK 8 或以上
  • Maven
  • DL4J 依赖(加入到 pom.xml):

登录后复制

plain 复制代码
<dependencies>
    <dependency>
        <groupId>org.deeplearning4j</groupId>
        <artifactId>deeplearning4j-core</artifactId>
        <version>1.0.0-beta7</version>
    </dependency>
    <dependency>
        <groupId>org.nd4j</groupId>
        <artifactId>nd4j-native-platform</artifactId>
        <version>1.0.0-beta7</version>
  更多内容访问ttocr.com或联系1436423940
  </dependency>
</dependencies>

2. 生成验证码数据

验证码图片可以用 Python 生成后导入,也可以使用 Java 的图形库手动合成。在此我们假设你已经将类似 captcha_samples/A9KD_0.png 的图片准备好。


3. 加载数据集

使用 NativeImageLoader 读取并转换图像:
登录后复制

plain 复制代码
import org.datavec.image.loader.NativeImageLoader;
import org.nd4j.linalg.dataset.api.preprocessor.DataNormalization;
import org.nd4j.linalg.dataset.api.preprocessor.ImagePreProcessingScaler;
import org.nd4j.linalg.api.ndarray.INDArray;

public class CaptchaLoader {
    private final NativeImageLoader loader = new NativeImageLoader(60, 160, 3);
    private final DataNormalization scaler = new ImagePreProcessingScaler(0, 1);

    public INDArray loadImage(File imageFile) throws IOException {
        INDArray image = loader.asMatrix(imageFile);
        scaler.transform(image);
        return image;
    }
}

标签处理可以使用字符集映射:
登录后复制

plain 复制代码
String characters = "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ";

int[] labelToIndices(String label) {
    int[] indices = new int[label.length()];
    for (int i = 0; i < label.length(); i++) {
        indices[i] = characters.indexOf(label.charAt(i));
    }
    return indices;
}

4. 构建 CNN 模型

登录后复制

plain 复制代码
import org.deeplearning4j.nn.conf.NeuralNetConfiguration;
import org.deeplearning4j.nn.conf.layers.*;
import org.nd4j.linalg.lossfunctions.LossFunctions;

MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
    .updater(new Adam(0.001))
    .list()
    .layer(new ConvolutionLayer.Builder(5, 5).nIn(3).nOut(32).stride(1, 1).activation(Activation.RELU).build())
    .layer(new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX).kernelSize(2, 2).stride(2, 2).build())
    .layer(new ConvolutionLayer.Builder(3, 3).nOut(64).stride(1, 1).activation(Activation.RELU).build())
    .layer(new DenseLayer.Builder().nOut(256).activation(Activation.RELU).build())
    .layer(new OutputLayer.Builder(LossFunctions.LossFunction.MCXENT)
        .nOut(4 * 36).activation(Activation.SOFTMAX).build()) // 4字符,每个36种可能
    .setInputType(InputType.convolutional(60, 160, 3))
    .build();

MultiLayerNetwork model = new MultiLayerNetwork(conf);
model.init();

5. 模型训练

登录后复制

plain 复制代码
DataSetIterator trainIter = ... // 自定义加载器,包装图像和标签
model.fit(trainIter, 10); // 训练10个epoch

你可以实现 RecordReaderDataSetIterator 配合图像目录使用,或自定义 DataSetIterator。


6. 测试识别

登录后复制

plain 复制代码
File testImage = new File("captcha_samples/A9KD_0.png");
INDArray image = loader.loadImage(testImage);
INDArray output = model.output(image);

int[] prediction = ... // 从 output 中取最大概率字符索引
String result = decodeIndices(prediction);
System.out.println("预测: " + result);
相关推荐
feixing_fx5 小时前
第一个 JS 程序:在浏览器控制台和 Node 中分别运行
开发语言·前端·javascript·前端框架·ecmascript
Evand J6 小时前
【MATLAB例程】二维IMM-UKF定位,基于四个基站的AOA与测距辅助
开发语言·matlab
feixing_fx6 小时前
变量与声明:let、const、var 的选择边界
开发语言·前端·javascript·前端框架
岁月宁静6 小时前
五、《从零手撸 Agent》 — 什么是 Agent:从“会聊天”到“会做事”,差的就是一个循环
python·agent
个 人 练 习 生7 小时前
C++:从零基础到深入了解vector的使用
开发语言·c++·经验分享·学习·程序人生·stl
梯度下降者7 小时前
Python - 函数
python·高阶函数·可调用对象·functools·嵌套作用域
少司府7 小时前
嵌入式外设篇(二)GPIO·二:GPIO输出与LED控制
linux·stm32·单片机·嵌入式硬件·mcu·51单片机·系统
兴趣互联8 小时前
jeecgboot nacos2.3.2 使用pgsql
java
H.莓飛8 小时前
【C++】【STL】stack_OJ题
服务器·c语言·开发语言·数据结构·c++·算法·visual studio
hudd6688 小时前
JavaEE 初阶 - 文件操作和IO
java·开发语言·java-ee