[发明专利]一种字符验证码识别的深度学习方法及装置

权利要求书

1.一种字符验证码识别的深度学习方法，其特征在于，该方法包括如下步骤：

步骤1），利用有标注标签的数据训练集来训练模型；

步骤2），用训练好的模型来预测新的验证码图片中的文字；

其中，步骤1）还包括训练集的收集、模型训练的粒度和交叉验证过程。

2.根据权利要求1所述的一种字符验证码识别的深度学习方法，其特征在于，所述步

骤1）中所述训练集的收集具体包括：

若深度学习需要大量的有标注数据，则利用爬虫程序，在网站获取若干验证码样本，用打码平台的众包服务标注数据；

若需要的样本数不多，则手动标注数据。

3.根据权利要求1所述的一种字符验证码识别的深度学习方法，其特征在于，所述模型训练的粒度具体包括：粗粒度式地从头训练模型或者在训练好的模型基础上进行精细调参。

4.根据权利要求1所述的一种字符验证码识别的深度学习方法，其特征在于，所述交叉验证具体包括：

通过交叉验证的方法选出最优的一个超参组合，所述超参是指深度学习的超参，包括学习率，权重衰减指数，Dropout概率等。

5.根据权利要求1所述的一种字符验证码识别的深度学习方法，其特征在于，所述步骤1）中利用有标注的数据来训练模型具体包括：

将所述有标注标签的数据训练集图片输入到卷积神经网络（CNN）中；

对所述图片进行特征提取；

将提取出的所述特征输入到输出变量模型中进行训练，得出最优的超参组合。

6.一种字符验证码识别的深度学习装置，其特征在于，该装置包括：

模型训练模块，利用有标注标签的数据训练集来训练模型；

预测模块，用训练好的模型来预测新的验证码图片中的文字；

其中，模型训练模块还包括训练集收集模块、模型训练的粒度模块和交叉验证模块。

7.根据权利要求6所述的一种字符验证码识别的深度学习装置，其特征在于：所述训

练集收集模块具体用于：

若深度学习需要大量的有标注数据，则利用爬虫程序，在网站获取若干验证码样本，用打码平台的众包服务标注数据；

若需要的样本数不多，则手动标注数据。

8.根据权利要求6所述的一种字符验证码识别的深度学习装置，其特征在于，所述模型训练的粒度模块具体包括：粗粒度式地从头训练模型或者在训练好的模型基础上进行精细调参。

9.根据权利要求6所述的一种字符验证码识别的深度学习装置，其特征在于，所述交叉验证模块具体用于：

通过交叉验证的方法选出最优的一个超参组合，所述超参是指深度学习的超参，包括学习率，权重衰减指数，Dropout概率等。

10.根据权利要求6所述的一种字符验证码识别的深度学习装置，其特征在于，所述模型训练模块利用有标注的数据来训练模型具体包括：

将所述有标注标签的数据训练集图片输入到卷积神经网络（CNN）中；

对所述图片进行特征提取；

将提取出的所述特征多个联合的Softmax分类器中进行训练，得出最优的超参组合。