验证码识别模型（小）

介绍（Itroductio）

验证码识别模型 ocr-captcha专门识别常见验证码的模型，训练模型有2个：

1.small:训练数据大小为700MB，约8.4万张验证码图片，训练轮次27轮，最终的精度将近100%，推荐下载这个模型；

2.big:训练数据大小为11G，约135万个验证码图片，训练轮次1轮，最终的精度将近93.95%(由于资源问题，无法训练太久)；

数据分布

1.类型：1. 纯数字型；2. 数字+字母型；3.纯字母型（大小写）

2.长度：4位、5位、6位

数据微调

1.基座模型：基座模型参考达摩院发布的读光-文字识别-行识别模型-中英-通用领域

2.具体微调参考以上链接

模型体验链接

modelscope：验证码识别模型（ocr-captcha）

快速使用（Quickstart）

代码提供web网页版：myself_trai_model.py

详细数据参考huggigface代码：xiaolv/ocr-captcha

from modelscope.pipelies import pipelie
from modelscope.utils.costat import Tasks
import gradio as gr
import os


class xiaolv_ocr_model():

    def __iit__(self):
        model_small = r"./output_small"
        model_big = r"./output_big"
        self.ocr_recogitio_small = pipelie(Tasks.ocr_recogitio, model=model_small)
        self.ocr_recogitio1_big = pipelie(Tasks.ocr_recogitio, model=model_big)


    def ru(self,pict_path,moshi = "small", cotext=[]):
        pict_path = pict_path.ame
        cotext = [pict_path]

        if moshi == "small":
            result = self.ocr_recogitio_small(pict_path)
        else:
            result = self.ocr_recogitio1_big(pict_path)

        cotext += [str(result['text'][0])]
        resposes = [(u, b) for u, b i zip(cotext[::2], cotext[1::2])]
        prit(f"识别的结果为：{result}")
        os.remove(pict_path)
        retur resposes,cotext




if __ame__ == "__mai__":
    pict_path = r"C:\Users\admi\Desktop\图片识别测试\企业微信截图_16895911221007.pg"
    ocr_model = xiaolv_ocr_model()
    # ocr_model.ru(pict_path)

联系我们（Cotact Us）

如果你想给我们的研发团队和产品团队留言，请通过邮件（2240560729@qq.com）联系我们。

介绍（Introduction） 验证码识别模型 ocr-captcha专门识别常见验证码的模型，训练模型有2个： 1.small:训练数据大小为700MB，约8.4万张验证码图片，训练轮次27轮，