注意，本文只提供学习的思路，严禁违反法律以及破坏信息系统等行为，本文只提供思路
如有侵犯，请联系作者下架
本文识别已同步上线至OCR识别网站： http://yxlocr.nat300.top/ocr/other/14
在之前腾讯混云刚更新时，我们使用clip基本上可以应付，但是部分验证码，涉及到比较明确的语义题目，该题目数据集如下：
从动物的数量、种类、颜色、奔跑跳跃的状态来判断合适的动物图片，其实有聪明的读者已经想到了，这种题目利用GPT去回答也是可以的，确实，但如果想实现自己的模型呢，这个时候你可能去找一些多模态模型相关的文章去阅读，你也有可能还是利用yolo去检测识别，这两种方法都可以，两个方法的准确度都很高，区别就是第一种成本高时间高，而第二种相对不那么耗时耗力，所以，这里还是采用第二种方法去做，两种方法都需要随着验证码动物种类的更新而更新，这是勿用质疑的，因为你的数据量肯定覆盖不到所有的动物种类，如果能覆盖，那也需要调用大量混元AI文生图的接口能力，想必又是一件耗时耗力的事情，先看一下我用yolo实现的效果。
使用yolo标注还是按照正常的图标去标注即可，当然，你不止需要标注动物的种类，你还要顺带记录动物的颜色、状态，无非是一个类型扩增到几种类型而已，当然这里标注，也有个取巧的办法，使用GroundingDINO去辅助标注，该模型之前我有讲过，这就是一个多模态的模型，只不过同样，他也不会记录动物的颜色状态，在辅助标注的情况下，仍然需要你修改部分标注，不过对比之前，肯定是剩下了很多时间的，用该模型辅助标注，只需要通过xanylabelimg，点击如下AI图标
随后在上方下拉框中选择GroundingDINO既可
加载完模型后，给出关键词，例如dog.cat.horse.bird
然后再点击AI图标下的开始按钮，即可一键辅助标注所有图片
剩下的错误的动物种类自行修改即可