现在验证码/文字识别有没有成熟方案？

之前我司用 tesseract-ocr ，想着自己做训练。哪想识别效果太差，买了别人的服务。一问，对方就是采取众包把图片发给后台人员人工识别了。。。。 sigh

@pagict 哈哈哈，尴尬

@pagict 人肉识别其实也算是成熟方案了，有很多平台提供人肉识别服务以及 API ，当然都是收费的

试试先 decay 去掉噪点

对对对，我最近也好奇这个，人工识别。那成本呢？
@helloccav 怎么盈利

@WhyAreYouSoSad 你指的是验证码平台盈利吗？ 例如出售给你每识别一个码收 2 分钱，然后招人的时候每人肉打一个码付 1 分钱，那平台就赚 1 分钱了

@helloccav ....找人一个一分钱？？？录入时间？还是有一种很厉害的录入工具，识别脑电波啥的？

@WhyAreYouSoSad 不是说笑的，真的有人肉打码的平台，打码的工钱按验证码的难度区分，好像是几分钱吧。
全国各地很多学生、家庭嘱咐、无业游民等守在电脑前抢着打码呢。

@helloccav 其实有个想法，假设我自己有个网站，然后当我用到验证码的时候，就随机给一个在线的网友强制打开验证码，让其输入之后才能继续浏览。。
当然，用户体验会变差 23333

@helloccav 看来我是有点何不食肉糜的感觉了

@WhyAreYouSoSad 手打码很成熟了 这个你真做不过专业的打手
某些网站的验证码我自己看 4 个能认出来一个就不错了。。你还想用软件识别

@tumbzzc 据说 google 的验证码和你这个想法有点相似，话说 google 进行某个项目的 ocr 识别的时候有些图片用机器识别不清楚，所以就把这些图片作为邮箱登录等验证码让用户去识别……以上纯属听说。

@WhyAreYouSoSad 网吧会有一堆年轻人 /老太太一边看电视剧一边输入验证码

对了，手头还有一个平台 dama2.com 的 400 块钱的题分，便宜转卖。。

@WhyAreYouSoSad 我之前用过一家，按他们的介绍所说，雇佣的打码员很多是不方便从事其它工作的残疾人士，还有网上兼职的学生，另外是和免费软件的开发者合作，提供 SDK 植入到免费软件中，用户每次使用软件需要输入验证码，其实就是在帮忙打码。

@helloccav 验证码识别 p2p 。。。。这个可以的。

@WhyAreYouSoSad 打吗平台有 API, 通过 API 发送至打吗平台的客服那里,客服输入,然后 API 回调获取打吗结果.

目前国内人工居多, 不用啥 NB 的算法,就靠人眼

去噪，投影切图，丢 svm 可解

@helloccav 谷歌会把机器生成的验证码和自己的系统识别不了的图像（如谷歌街景之类的拍到的东西）拼接在一起让用户去输入，由于有前面一段机器生成的验证码做验证，后面一段图像的识别率就有了保证。相当于用户免费帮忙识别验证码了

打码兔，听说年营收千万
撸羊毛的人很多用

人工打码速度还行,价格也不贵
写一个神经网络的方轮子真不如找这种平台

网赚项目里边，最稳定和基础的项目就是打码，其次是页游。
如果楼主需要一定的正确率和性价比，还是外包给打码平台吧。机器自学习也好，各种技术运用也罢。对于打码平台的肉眼熟练工来说，人肉打码都是最佳的。
就好像富士康用机器人代替人力一样，很多熟练工在低价的时候，就是优势。

@hansnow
@helloccav reCAPTCHA ？

那应该做个人肉打码的平台呀...
分分钟走向人生巅峰

打码兔太坑
打码兔识别率并不高
从其机制来看，举例，如果是 4 位的码
其应先机器认别，如果出来的结果是 4 位的，不管对错，他都会扣钱，他认为，他是对的，如果你纠正，会扣你的双倍钱，其纠错上面有说明
如果不是 4 位的，这时想是人工识别，正确率就很高。

如果是 ts 可以认别，并有很高的识别率，还是直接 ts 识别，打码兔会坑的很

@TaMud 有反馈接口的,你可以反馈错误,然后这一条就不扣钱了

@tumbzzc 你别说，曾经有个网游的自动刷怪挂机脚本还就是你这思路，把无人操作时遇到的验证码转发给在线的其他人。

这个图简单啊，先 opencv 把噪点去掉，然后二值化并切分成单个字母，用 tesseract 逐个识别就行

用过次世代验证码识别，其实最高效的还是用打码平台

很早很早以前，互联网上流行一个软件，输一个验证码出一个不可描述的图片。。。

我就路去年更新的 reCAPTCHA 黑科技是不是依然解？

楼主图里的验证码，可以完美识别。但不是什么 ocr 算法，而是专门针对此的验证码破解算法。这种简单的验证码，编写针对性的算法，准确率超过 90%，教程网上就有。
也有专业的软件用来生成算法。只要你会用，图里那种低级验证码都能搞定。


至于你想要的通用识别算法。。就是随便一个网站的验证码，不经任何处理，丢进去，然后就出精准的文字。。。这也是大家梦寐以求的。
等哪一天，这算法真的出现，而且开源免费发布，个人 PC 就跑得动。。。。

那时候网上也就看不到验证码了。

@txlty 同用的这个软件. 一般验证码基本都能过了.

@txlty 求分享软件名

这.. 楼上都没玩过网游吗. 网游里面为了防挂机, 防刷作的验证的. 都有专门的外挂 配合识别软件.

大概按照识别难度和题量来收费的
比如四位汉字就比纯数字贵几倍

具体参考 火眼答题, 好爱答题... 全是人工的.

@pagict ［对方就是采取众包把图片发给后台人员人工识别了］人力突厥，国内都是这样干的吧...

最近被小米推起来的 讯飞 不知是这么搞的，机器学习？或者是更高级的众包平台？

记得亚马逊很早也推出过人力 API ，后段都是一群人来做事，就是针对当前机器解决不了的问题， API 使用价格也不是太贵。

题主如果想花点功夫的话办法倒是挺多。第一种前面也讲到了，降噪切割，上 svm 或者 netual network 。你这个验证码没有粘连也没有干扰线什么的还是比较好切的。第二种基于端对端的 ocr 识别，前面的楼层也讲到了找出生成这个验证码的算法，但是如果你可以找到生成验证码的算法还是推荐直接上 deep learing ，自动生成样本跑出 10W 的样本如果运气好一些收敛了还是能跑出模型的，识别率基本在 95%以上，见 https://zhuanlan.zhihu.com/p/21344595 。其实验证码复杂到一定程度再花时间和精力就得不偿失了，也许你花一个星期日了验证码，别人再花了两个星期改了验证码......这时候如果不是基于学习的目的的话，还是上打码平台算了，不然两方的程序员都会搞到吐血哈哈。

R9 @tumbzzc
你的想法, reCAPTCHA 很早就在做了吧, 利用大数据概率来判断用户输入是否正确. 最后的大数据又来帮助真正的识别车牌, 识别图书.