Adrian沒有訪問生成驗證碼圖片的應用的源代碼的權限。為了破解這個系統，他不得不下載成百上千個示例圖像並手動解答它們，用以訓練他的深度學習系統。
但是如果我們想打破一個開放源代碼的驗證碼系統，將會怎麼樣？
我去http://wordpress.org插件註冊表搜索“驗證碼”。最靠前的結果是一個叫“真正簡單的驗證碼”的插件，有超過100萬個活躍安裝：
好的，所以驗證碼圖像似乎是四個字母。讓我們在PHP源代碼中驗證這一點：
是的，它會產生一個四字母的驗證碼，並採用隨機組合的四種不同的字體。我們可以看到，它從不在代碼中使用“O”或“I”，以避免用戶混淆。這給了我們總共32個可能需要識別的字母和數字。沒問題！
TensorFlow
TensorFlow是谷歌的機器學習庫。我們會在Keras中寫代碼，但Keras並沒有真正實現神經網絡的邏輯本身，它其實是在後臺調用谷歌的TensorFlow進行計算。
好，現在讓我們回到挑戰！
創造我們的數據集
訓練任何機器學習系統，我們都需要訓練數據集。破解一個驗證碼系統，我們則需要訓練數據看起來像這樣：
由於我們有這個WordPress的驗證碼插件的源代碼，我們可以對它做一些更改，讓它保存出10000張驗證碼圖像以及每個圖像的正確答案。
花了幾分鐘時間，在適當地修改源代碼並添加一個簡單的for後，我得到了一個包含訓練數據的文件夾 —— 10000個PNG文件，每個文件都以正確答案作為文件名：
這是唯一我不會給你示例代碼的部分。我們這樣做是為了教育，我不想讓你真的去黑WordPress網站。不過，我會給你我最後生成的這10000張圖像，以便你可以重複我的結果。
到目前為止時間過去：5分鐘。
簡化問題
現在我們有了訓練數據，我們可以直接用它來訓練神經網絡：
有足夠的訓練數據，這種粗暴的方法甚至也行得通 - 但我們可以使問題更容易解決。問題越簡單，訓練數據越少，計算資源消耗就越少。畢竟我們只有15分鐘！
幸運的是，驗證碼圖像總是由四個字母組成。如果我們能用某種方式把圖像分割開來，這樣每一個字母都是一個獨立的圖像，那麼我們只需要訓練神經網絡一次識別一個字母：
我沒有時間瀏覽10000個訓練圖像，並在Photoshop中手動將它們分割成單獨的圖像。這將需要幾天，而我只剩下10分鐘了。
而且我們不能將圖像分成四個相同大小的塊，因為驗證碼會將這些字母隨機放置在不同的水平位置：
每個圖像中的字母隨機放置，使分割圖像更難一些。
幸運的是，我們仍然可以自動執行此操作。在圖像處理中，我們經常需要檢測具有相同顏色的像素團。這些連續像素團周圍的邊界被稱為輪廓。OpenCV有一個內置的findContours()函數，可以用來檢測這些連續的區域。
那麼我們將從一個原始的驗證碼圖像開始：
然後，我們將圖像轉換為純黑白（這稱為閾值設定），這樣就很容易找到連續的區域：
接下來，我們將使用OpenCV的findContours()函數來檢測圖像中各個包含相同顏色像素的連續團：
那麼只需將每個區域保存為一個單獨的圖像文件即可。而且由於我們知道每個圖像應該包含從左到右的四個字母，所以我們可以使用這些知識來標記字母。只要我們按順序保存它們，我們能夠用適當的字母名稱保存每個字母圖像。
但是等等 —— 我看到一個問題！ 有時候驗證碼有這樣的重疊字母：
這意味著我們最終將提取將兩個字母拼湊在一起的區域：
如果我們不處理這個問題，我們最終會創建糟糕的訓練數據。我們需要解決這個問題，以免我們不小心讓機器把這兩個相連的字母識別為一個字母。
我們將把任何寬度比高度還長的區域對半分開，並把它當作兩個字母。這是很粗暴，但這麼處理對識別這些驗證碼依然行得通。
現在我們有了一種提取單個字母的方法，讓我們在所有的CAPTCHA圖像上運行它。目標是收集每個字母的不同變化。我們可以將每個字母保存在自己的文件夾中。
下面是我提取所有字母后，我的“W”文件夾的樣子：
從我們的10000個驗證碼圖像中提取的一些“W”字母。我一共得到了1147個不同的“W”圖像。到目前為止時間過去：10分鐘。
現在，我們可以開始訓練它了！
用訓練數據集訓練10次後，我們達到了近100％的準確度。現在，只要我們想，我們應該能夠自動繞過這個驗證碼了！我們做到了！
到目前為止時間過去：15分鐘。（~!）
使用訓練的模型破解驗證碼
現在，我們有一個訓練有素的神經網絡，用它來破解真正的驗證碼非常簡單：
1.從使用該WordPress插件的網站抓取真實的驗證碼圖像。
2.使用我們用來創建訓練數據集的相同方法，將驗證碼圖像分解為四個單獨的字母圖像。
3.要求我們的神經網絡對每個字母圖像做一個單獨的預測。
4.使用四個預測字母作為驗證碼的答案。
5.愉快的玩耍吧
以下是我們的模型如何解碼真正的驗證碼
或者從命令行
試試看吧！
如果你想親自嘗試一下，你可以在這裡獲取代碼。它包括10000個示例圖像和本文中每個步驟的所有代碼。查看裡面的README.md文件，瞭解如何運行它。
但是，如果你想了解每一行代碼究竟做了什麼，我強烈建議你也弄一本《Python計算機視覺深度學習》。它有更多的細節，並有大量的詳細的例子。這是迄今為止我所見過的唯一的一本，既涵蓋了工作原理又涵蓋了在現實世界中如何解決難題的書。去看看吧！
閱讀更多 繁華落盡and曲終人散 的文章
