新版百度、百家号旋转验证码识别

昨天突然发现，百度旋转验证码发生了变化，导致使用老版本验证码训练出来的识别模型效果不佳。所有昨天花了一天时间完成了新版模型的训练。

老版本验证码

新版本验证码

 

新版的验证码感觉像是AI绘画随机生成的，还有随机阴影出现。 

验证码识别过程

1、利用爬虫采集图像

首先我们开发爬虫去采集新版本的图片素材。爬取过程中发现cookie有一定的时效性，没有花过多时间在图片的反爬上做研究。

2、人工标记

为了保障识别的精度，这里需要进行大量的人工标记，旋转角度可能有误差，最好控制在1-2度以内，数据质量决定了模型预测效果

  3、训练模型

4、测试验证

我们将训练好的模型用100张图片来进行测试，虽然识别出来角度有所偏差，但是这个误差范围都能够使验证通过，所以正确率接近100%。因为100张测试图片比较少，所以保守估计正确率应该在99%左右。

如果再想提升正确率，可以再增加训练的数据量，就需要再投入大量人力，这个投入与提升产出比需要自己权衡。

5、免费使用地址

我将训练好的模型放在了网上，可以供大家免费学习使用：得塔云

6、总结分析
（1）目前见到的验证码图片可能是AI生成的，所以出现新图片的概率会很大，所以对标注、识别难度会大大增加。

（2）和老版本相比，新版本图像采集加入了一些反爬措施，也增加了一些难度。

（3）目前我没有使用 selenium 进行实战测试，可能会遇到更多反爬措施。

各位大神也请指出我的不足，或者有其他建议都可以给我留言，或私信我，谢谢指点。