学了几天机器学习的原理,感觉还是要自己动手写一个像样的程序才行。正好刚研究过deeplearning.net上的那个识别mnist数据库的源码,于是打算利用一下写一个识别验证码的程序。
他提供的代码已经基本实现了利用Logistic Regression 来分类,用的是softmax算法,支持多元分类。然而他只能读入指定的mnist数据集的经过处理后的格式。因此我当前的任务就是将一张实实在在的图片转换成计算机可以识别的格式,并且进行好预处理,选择好特征值,而不用考虑机器学习代码的细节(这个的确有点难)。但是仅仅是处理好这些事情也并不容易。
我的目标是我们学校的选课系统的网站(没错我是苏大的0.0),这里的验证码相对比较规则,而且未来应该有点实用价值吧。
下载这种东西还是用shell脚本方便:
for((i=1;i<=10000;i++))
do
wget -O './png/'$i 'http://xk.suda.edu.cn/CheckCode.aspx'
done
一不小心下了10000张,先留着再说。
本来想在网上找点靠谱的识别平台,但是不管要不要钱,效果都不好。所以,,甭想了,先人脑识别500张再说。。。。。。
为了方便以后使用,我就用他的文件名来记录实际的值。
自己观察下载的图片,发现他有这么几个特点:
根据上面这些特点,我们就能有针对性的设计程序了。