文档介绍
题目基于残差神经网络的验证码识别设计与实现摘要验证码（captcha）作为一种安全手段，在互联网领域得到了广泛的应用。针对卷积神经网络训练困难、性能随卷积层数增加而下降的问题，提出了一种基于残差神经网络的captcha识别方法。该方法采用残差学习单元来改进卷积神经网络模型的训练和优化过程。通过卷积层级联、残差学习、全局池、块卷积等技术手段，在保证识别精度不受影响的前提下，大大降低了网络参数，降低了模型收敛的时间开销。实验结果表明，利用残差学习单元构造的深度残差网络可以解决网络深度与模型收敛性之间的矛盾，提高验证码识别的精度。本文就围绕基于残差神经网络的验证码识别技术展开研究，通过使用Pytorch深度学习框架，采用图片预处理等方法，搭建设计出一个可以识别验证码图片的残差神经网络模型。主要工作如下：(1)图片预处理，对应用于本文的验证码图片进行预处理。(2)设计并完成一个残差神经网络，将验证码图片送入神经网络中进行练，分析训练准确度，并保存训练好的模型。(3)将准备好的验证码图片测试集，送入训练好的模型中，并且分析仿真结果及数据。残差神经网络训练出的模型，经过迭代测试，最终识别精度收敛于90%。关键字：深度学习；验证码；残差神经网络ABSTRACTAsasecuritymeans,captchaiswidelyusedinthefieldofInternet.Inordertosolvetheproblemoftheconvolutionlayer,whichincreasestrainingdifficultiesandthedegradationofperformance,averificationcodedetectionmethodbasedonresidualneuralnetworkisproposed.Inthismethod,residuallearningu