资源下载地址:https://download.csdn.net/download/sheziqiong/85739158
破解点击选择验证码
训练命令
sh run.sh yolo_train
– 训练定位器sh run.sh yolo_vaild
– 批量前向定位器,保存结果为记事本。sh run.sh classifier_train
– 训练分类器sh run.sh classifier_valid
– 批量前向分类器
依赖
运行在python2
,若使用python3
注意darknet生成网络模型字符串需要加b
前缀。
opencv3
easydict
Jinja2
Flask
scipy
numpy
目录结构
.├── Makefile├── README.md├── cfg│ ├── chinese.data分类器训练配置文件│ ├── chinese_character.cfg 分类器网络配置文件│ ├── yolo-origin.cfg 定位器网络配置文件│ ├── yolo-origin.data定位器训练配置文件│ ├── yolo-valid.cfg定位器批量前向网络配置文件│ └── yolo-valid.data 定位器批量前向配置文件├── darknet darknet二进制├── data│ ├── chinese_label.names 分类器标签名称│ └── yolo.names定位器标签名称├── examples├── include├── model│ └── character.dict分类器编码,需要替换├── python│ ├── __init__.py│ ├── darknet.pydarknet python接口│ ├── sampleImage.py│ └── server.py 部署模型接口├── results yolo前向结果保存位置│ └── comp4_det_test_character.txt├── run.sh训练脚本├── requierment.txt python依赖├── train_cfg│ ├── *.template训练配置模板文件│ └── generate.py 生成模板文件├── scripts voc数据集转换脚本└── src darknet源代码
定位器训练
文件准备
准备如下两个文件
cfg├── yolo-origin.cfg└── yolo-origin.data
yolo-origin.cfg
[convolutional]size=1stride=1pad=1filters=30activation=linear[region]anchors =1.3221, 1.73145, 3.19275, 4.00944, 5.05587, 8.09892, 9.47112, 4.84053, 11.2364, 10.0071bias_match=1classes=1coords=4num=5softmax=1jitter=.3rescore=1object_scale=5noobject_scale=1class_scale=1coord_scale=1absolute=1thresh = .6random=1
filter
为30,其计算公式为
filter=num(classes+coord+1)filter=num(classes+coord+1)
30=5(1+4+1)30=5(1+4+1)
num
代表每个框最多预测多少物体。classes
代表一共有多少个类,这里为1。coord
代表回归的四个位置,分别为你
的标签为0 0.2 0.75 0.16 0.18
,好
的标签为0 0.7 0.15 0.15 0.17
。这张图的标签就是
0 0.2 0.75 0.16 0.180 0.7 0.15 0.15 0.17
yolo-origin.data
classes= 1train = /some_path/train.txtvalid = /some_path/train.txtnames = darknet/data/yolo.namesbackup = darknet/debug
classes
代表一共有多少train
代表存放训练数据路径位置文件valid
代表存档前向测试数据路径文件
train.txtproducts/trainval/0000172_6_0.jpgproducts/trainval/0000172_6_1.jpgproducts/trainval/0000172_6_2.jpg
label与图片在同一文件夹下
names
前向时类别名称 (track, dog,bicycle),在这里为任意一种即可,叫什么都可以。backup
训练后权重保存位置
训练
准备好文件后下载对应的权重,开始训练
wget https://pjreddie.com/media/files/darknet19_448.conv.23sh run.sh yolo_train
分类器训练
准备文件
cfg├── chinese_character.cfg└── chinese.data
chinese_character.cfg
[convolutional]batch_normalize=1filters=1024size=3stride=1pad=1activation=leaky[convolutional]filters=3549size=1stride=1pad=1activation=leaky[avgpool][softmax]groups=1[cost]type=sse
filters
最后一层卷基层代表汉字分类个数,这里为3549
Chinese.data
classes=3549train= darknet/chinese_character_train/train.listvalid= chinese_character_train/train.listlabels = darknet/data/chinese_label.namesbackup = darknet/model/classifiertop=100
classes
代表分类个数train
代表存放训练数据路径位置文件valid
代表存档前向测试数据路径文件
train.txtproducts/trainval/0000172_abcdefg.jpgproducts/trainval/0000173_abcdfge.jpgproducts/trainval/0000174_bcabfge.jpg
names
代表标签名称
abcdefgabcdegfabcdfegabcdfgeabcdgefabcdgfeabcedfgabcedgf
darknet在通过文件名与names
中的字符串做匹配,匹配到则认为该标签为匹配到的字串。如products/trainval/0000172_abcdefg.jpg
,由于names
中出现abcdefg
,所以这张图的标签为abcdefg
。所以图片的路径绝对不可以出现多个names
中包含的字串,如果路径为some_path1/data2/3.jpg
,names中包含
1,2,3,则这张图片会被认为匹配1,2,3
多个label从而报错。
top
代表vaild时取前多少计算正确率。如top100
代表前分类时概率最大的前100类中出现了正确的标签就认为正确。因为点击验证码存在先验,我们有候选字的范围,可以结合候选字进行破解。
训练
sh run.sh classifier_train
配置文件生成
修改train_cfg/generate.py
配置。最终配置生成在train_cfg
目录下。
python train_cfg/generate.py
资源下载地址:https://download.csdn.net/download/sheziqiong/85739158