1.背景
Easy-Classification是一个应用于分类任务的深度学习框架，它集成了众多成熟的分类神经网络模型，可帮助使用者简单快速的构建分类训练任务。 本例基于Easy-Classification框架，快速搭建一个验证码识别训练任务。项目整体目录如下：
- 任务输入：4位大小写字母和数字混合组成的验证码图片， 图片大小为100*40。
- 任务输出：识别图像中的字母和数字，并输出验证码编码。
2.验证码识别
2.1 生成训练数据
在项目根目录下新建data目录用于放置训练集，测试集，验证集数据。验证码训练数据基于脚本模拟生成。执行scripts/make_captcha.py文件，或make_captcha_1.py,make_captcha_3.py可批量生成验证码图像信息。（实际选择哪一种，看实际需要验证码识别图像的样式，若本身存在训练数据，可基于实际的训练数据训练）。 基于make_captcha.py文件，最终生成训练数据10000份，验证数据5000份，最终模拟应用数据10000份。训练验证码图片如：
说明：
- 基于脚本模拟验证码图片，生成的验证码字符做大小写区分。
- 每个验证码图片，对应的验证码字符串为图片名称，如00FS_69570.png,00FS是验证码字符串，后面的是随机数避免文件重名。
2.2 编写训练脚本
训练过程需编写配置文件，自定义DateSet数据加载类，训练过程脚本类。一个图像中存在多个识别对象，考虑到最终是4个字符，本例基于one-hot模式，将验证码的label转换为one-hot编码。详情请参考对应目录下实现源码。
自定义DateSe部分核心代码说明：
"""
@Description : 构建Dataset类，不同的任务，dataset自行编写，如基于csv，文本等加载标签，均可从cfg配置文件中读取后，自行扩展编写
编写自定义Dataset类时，初始化参数需定义为source_img, cfg。否则数据加载通用模块，data_load_service.py模块会报错。
source_img :传入的图像地址信息
cfg：传入的配置类信息，针对不同的任务，可能生成的label模式不同，可基于配置类指定label的加载模式，最终为训练的图像初始化label （用户自定义实现）
本例为验证码加载类：基于文件名称生成标签（如验证码：0AaW_54463.png，标签值为：0AaW,返回one-hot编码）
"""import torch
from torch.utils.data.dataset import Dataset
import torchvision.transforms as transforms
import cv2
from universe.data_load.normalize_adapter import NormalizeAdapter
from PIL import Image
from universe.utils.utils import one_hot
classTrainDataset(Dataset):
"""
构建一个 加载原始图片的dataSet对象
此函数可加载 训练集数据,基于路径识别验证码真实的label，label在转换为one-hot编码
若 验证集逻辑与训练集逻辑一样，验证集可使用TrainDataset，不同，则需自定义一个，参考如下EvalDataset
"""def__init__(self, source_img, cfg):
self.source_img = source_img
self.cfg = cfg
self.transform = createTransform(cfg, TrainImgDeal)
def__getitem__(self, index):
img = cv2.imread(self.source_img[index])
if self.transform isnotNone:
img = self.transform(img)
# ../ data / train\Qigj_73075.png label = self.source_img[index].split("_")[0][-4:]
target = torch.Tensor(one_hot(label))
return img, target, self.source_img[index]
def__len__(self):
returnlen(self.source_img)
classEvalDataset(Dataset):
"""
构建一个 加载原始图片的dataSet对象
此函数可加载 验证集数据,基于路径识别验证码真实的label，label在转换为one-hot编码
"""def__init__(self, source_img, cfg):
self.source_img = source_img
self.cfg = cfg
# 若验证集图片处理逻辑（增强，调整）与 训练集不同，可自定义一个EvalImgDeal self.transform = createTransform(cfg, TrainImgDeal)
def__getitem__(self, index):
img = cv2.imread(self.source_img[index])
if self.transform isnotNone:
img = self.transform(img)
# ../ data / train\Qigj_73075.png label = self.source_img[index].split("_")[0][-4:]
target = torch.Tensor(one_hot(label))
return img, target, self.source_img[index]
def__len__(self):
returnlen(self.source_img)
classPredictDataset(Dataset):
"""
构建一个 加载预测图片的dataSet对象
此函数可加载 测试集数据，应用集数据（返回图像信息）
"""def__init__(self, source_img,cfg):
self.source_img = source_img
# 若预测集图片处理逻辑（增强，调整）与 训练集不同，可自定义一个PredictImgDeal self.transform = createTransform(cfg, TrainImgDeal)
def__getitem__(self, index):
img = cv2.imread(self.source_img[index])
if self.transform isnotNone:
img = self.transform(img)
# 用于记录实际的label值（因为应用数据也是脚本生成的，所以可以知道正确的验证码） real_label = self.source_img[index].split("_")[0][-4:]
return img, real_label, self.source_img[index]
def__len__(self):
returnlen(self.source_img)
classTrainImgDeal:
def__init__(self, cfg):
img_size = cfg['target_img_size']
self.h = img_size[0]
self.w = img_size[1]
def__call__(self, img):
img = cv2.resize(img, (self.h, self.w))
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
img = Image.fromarray(img)
return img
defcreateTransform(cfg, img_deal):
my_normalize = NormalizeAdapter.getNormalize(cfg['model_name'])
transform = transforms.Compose([
img_deal(cfg),
transforms.ToTensor(),
my_normalize,
])
return transform
2.3 训练结果展示
训练结果会输出到out目录，输出信息包括acc,loss的过程图，最优训练权重文件。
本例采用的网络模型为moblienetv3。
2.3.1 图像训练
本例基于make_captcha.py验证码生成脚本，批量生成训练数据10000条，验证数据10000条，预测数据6000条。训练结果如下：
2.3.2 混合图像训练
由于训练图像与验证图像是基于不同的验证码脚本生成的图像，将这些图像混合在一起训练。由于训练数据不算多，目前训练结果准确率不高。 三种不同的验证码脚本生成的验证码图片，在图像清晰度，间隔，图像复杂情况不一样。训练数据10000条，验证数据5000条，预测数据10000条，预加载权重文件，训练结果如下：
输出训练日志参考信息：
1/100 [9600/10000 (96%)] - ETA: 0:00:19, loss: 0.0003, acc: 0.9234 LR: 0.001000
[VAL] loss: 0.00012, acc: 81.060%
2/100 [9600/10000 (96%)] - ETA: 0:00:23, loss: 0.0000, acc: 0.9977 LR: 0.001000
[VAL] loss: 0.00011, acc: 82.000%
3/100 [9600/10000 (96%)] - ETA: 0:00:20, loss: 0.0000, acc: 0.9978 LR: 0.001000
[VAL] loss: 0.00012, acc: 79.520%
4/100 [9600/10000 (96%)] - ETA: 0:00:18, loss: 0.0000, acc: 0.9888 LR: 0.001000
[VAL] loss: 0.00013, acc: 78.020%
5/100 [9600/10000 (96%)] - ETA: 0:00:18, loss: 0.0000, acc: 0.9824 LR: 0.001000
[VAL] loss: 0.00012, acc: 80.260%
6/100 [9600/10000 (96%)] - ETA: 0:00:19, loss: 0.0000, acc: 0.9903 LR: 0.001000
[VAL] loss: 0.00013, acc: 80.040%
7/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 0.9923 LR: 0.000100
[VAL] loss: 0.00010, acc: 83.900%
8/100 [9600/10000 (96%)] - ETA: 0:00:20, loss: 0.0000, acc: 0.9977 LR: 0.000100
[VAL] loss: 0.00009, acc: 84.280%
9/100 [9600/10000 (96%)] - ETA: 0:00:18, loss: 0.0000, acc: 0.9987 LR: 0.000100
[VAL] loss: 0.00009, acc: 84.400%
10/100 [9600/10000 (96%)] - ETA: 0:00:20, loss: 0.0000, acc: 0.9992 LR: 0.000100
[VAL] loss: 0.00009, acc: 84.600%
11/100 [9600/10000 (96%)] - ETA: 0:00:19, loss: 0.0000, acc: 0.9993 LR: 0.000100
[VAL] loss: 0.00009, acc: 84.460%
12/100 [9600/10000 (96%)] - ETA: 0:00:19, loss: 0.0000, acc: 0.9995 LR: 0.000100
[VAL] loss: 0.00009, acc: 84.600%
13/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 0.9998 LR: 0.000100
[VAL] loss: 0.00009, acc: 85.100%
14/100 [9600/10000 (96%)] - ETA: 0:00:19, loss: 0.0000, acc: 0.9996 LR: 0.000100
[VAL] loss: 0.00009, acc: 84.720%
15/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 0.9998 LR: 0.000100
[VAL] loss: 0.00009, acc: 85.140%
16/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 0.9998 LR: 0.000100
[VAL] loss: 0.00009, acc: 84.720%
17/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 0.9999 LR: 0.000100
[VAL] loss: 0.00009, acc: 85.220%
18/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 0.9999 LR: 0.000100
[VAL] loss: 0.00009, acc: 84.900%
19/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 0.9999 LR: 0.000100
[VAL] loss: 0.00009, acc: 84.980%
20/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 1.0000 LR: 0.000100
[VAL] loss: 0.00009, acc: 85.280%
21/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 0.9999 LR: 0.000100
[VAL] loss: 0.00009, acc: 85.140%
22/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 1.0000 LR: 0.000100
[VAL] loss: 0.00009, acc: 85.140%
23/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 0.9998 LR: 0.000100
[VAL] loss: 0.00009, acc: 84.880%
24/100 [9600/10000 (96%)] - ETA: 0:00:20, loss: 0.0000, acc: 1.0000 LR: 0.000100
[VAL] loss: 0.00010, acc: 85.120%
25/100 [9600/10000 (96%)] - ETA: 0:00:20, loss: 0.0000, acc: 1.0000 LR: 0.000010
[VAL] loss: 0.00009, acc: 85.160%
26/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 1.0000 LR: 0.000010
[VAL] loss: 0.00009, acc: 85.180%
27/100 [9600/10000 (96%)] - ETA: 0:00:21, loss: 0.0000, acc: 1.0000 LR: 0.000010
[VAL] loss: 0.00009, acc: 85.220%
[INFO] Early Stop with patient 7 , best is Epoch - 20 :0.852800
--------------------------------------------------
{'model_name': 'mobilenetv3', 'GPU_ID': '', 'class_number': 248, 'random_seed': 42, 'cfg_verbose': True, 'num_workers': 8, 'train_path': 'data/train', 'val_path': 'data/val', 'test_path': 'data/test', 'label_type': 'DIR', 'label_path': '', 'pretrained': 'output/mobilenetv3_e21_0.84700.pth', 'try_to_train_items': 10000, 'save_best_only': True, 'save_one_only': True, 'save_dir': 'output/', 'metrics': ['acc'], 'loss': 'CE', 'show_heatmap': False, 'show_data': False, 'target_img_size': [224, 224], 'learning_rate': 0.001, 'batch_size': 64, 'epochs': 100, 'optimizer': 'Adam', 'scheduler': 'default-0.1-3', 'warmup_epoch': 0, 'weight_decay': 0, 'k_flod': 5, 'start_fold': 0, 'early_stop_patient': 7, 'use_distill': 0, 'label_smooth': 0, 'class_weight': None, 'clip_gradient': 0, 'freeze_nonlinear_epoch': 0, 'dropout': 0.5, 'mixup': False, 'cutmix': False, 'sample_weights': None, 'model_path': '../../config/weight/mobilenet/mobilenetv3_e22_1.00000.pth', 'TTA': False, 'merge': False, 'test_batch_size': 1}
--------------------------------------------------
Process finished with exit code 0
2.4 预测应用
编写预测类脚本，在配置文件中，配置model_path（为训练好的权重文件路径如：），加载预测数据，模型预测后将结果输出到csv文件中。预测代码参考如下：def predict(cfg):
initConfig(cfg)
model = ModelService(cfg)
data = DataLoadService(cfg)
test_loader = data.getPredictDataloader(PredictDataset)
runner = RunnerCaptchaService(cfg, model)
modelLoad(cfg['model_path'])
res_dict = runner.predict(test_loader)
print(len(res_dict))
# to csv
res_df = pd.DataFrame.from_dict(res_dict, orient='index', columns=['label'])
res_df = res_df.reset_index().rename(columns={'index': 'image_id'})
res_df.to_csv(os.path.join(cfg['save_dir'], 'pre.csv'),
index=False, header=True)
if __name__ == '__main__':
predict(cfg)
2.4.1 图像训练-预测结果
训练图像，验证图像，预测图像均由make_captcha.py脚本生成，实际预测6000张图像，本次识别准确度100%。
2.4.2 混合图像模式-预测结果
本例的训练图像，验证图像采用了不同的验证码脚本生成，准确率较低，10000张图像，有3373张识别失败。
3.扩展与思考
- 验证码识别中，大小写字母（如x,X），这种容易识别失败。
- 当训练数据偏少时，对于o,O,0,这种看起来相似的字母也容易识别错误。若训练的数据中某一个字母的图像较少，识别该字母的准确度也偏低。所以，本质还是尽可能的丰富训练数据。
- 验证码识别，基于特定场景，基于脚本构建的训练数据，测试数据一定要尽可能的与实际的图像相似（清晰度，字母间的间隔），这样准确度才高。参考上面的两种测试，若训练的验证码图像与最终预测的图像相似，则准确度高。
本例是基于数字，大小写组合的验证码，验证码识别可满足大多数场景，也可以改造支持如下特殊的场景：
- 字符验证码不区分大小写：本算法不变，一样支持。
- 多字符验证码识别：基于具体的位数，如6位验证码，调整分类数值为62*6，改造one-hot，调整为6位，调整acc匹配函数，即可训练支持。
- 纯数字验证码：改造one-hot函数，现有算法的每一位字符串，均存在62种情况（10个数字，52个大小写字母），数字版本只存在10种情况，比现有模式更简单，调整输出分类数值为40，改造one-hot，调整acc匹配函数，即可训练支持。
- 简单数学计算验证码识别：如5-1=？，4+3=？，这种模式的验证码识别，本质还是简单字符识别，