基于深度学习的字符型验证码识别研究

字符型验证码作为常见的验证码类型,被广泛应用在各种网络平台,作为一种防止自动化脚本入侵的信息安全手段.针对这种验证码识别问题提出了一种基于卷积神经网络来识别字符型图片验证码的方法.采用TensorFlow深度学习框架对卷积神经网络模型进行训练,将灰度化的验证码图像作为输入,通过验证码数据集进行实验.结果表明,该模型对识别字符型验证码具有较好的泛化能力与鲁棒性.     

基于通用对抗扰动的图像验证码保护方法

卷积神经网络的发展使得图像验证码已经不再安全。基于卷积神经网络中存在的通用对抗扰动,提出了一种图像验证码的保护方法。提出了一种快速生成通用对抗扰动的算法,将方向相似的对抗扰动向量进行叠加以加快生成通用对抗扰动的速度。基于此算法设计了图像验证码的保护方案,将通用对抗扰动加入到验证码的图像中使其无法被卷积神经网络模型识别。在ImageNet数据集上进行的仿真实验结果表明,该方案比现有工作DeepCAPTCHA具有更低的破解率,能有效保护图像验证码不被主流的卷积神经网络模型破解。     

基于神经网络的网络验证码识别研究

本文首先介绍了神经网络的基本思想,提出了一种基于神经网络的网络验证码的识别方法,并利用开源的神经网络包JOONE用Java技术实现了验证码识别软件。最后通过训练样本对其进行了实验分析,取得了较高的识别率。     

基于卷积神经网络的图像验证码识别

验证码作为一种安全手段,被广泛应用于互联网领域.本文提出了一种基于卷积神经网络的图像验证码识别方法,通过卷积层级联、残差学习、全局池化、分组卷积等技术手段,在保证识别准确率不受影响的前提下,大大降低了网络的参数量.本文以铁路购票网站验证码和正方教务系统验证码为例来测试模型性能.对于铁路购票网站验证码,实验结果显示本文提出的识别方法参数量最少,对图形和中文词组验证码的识别准确率分别达到98.76%和99.14%;对于正方教务系统验证码,本文方法参数量最少且识别准确率为87.30%.     

卷积神经网络识别汉字验证码

验证码今已广泛应用在各个领域,常见的英文字母与数字组合的验证码自动识别准确率已达到较高的水准,而汉字因其字符复杂,用传统方法进行自动识别难度很大。提出一种基于卷积神经网络的验证码自动识别方法来提高字符的识别准确率。采用Keras卷积神经网络框架,设计多层卷积来提取深层次图像信息,分别对汉字验证码和字母数字验证码进行识别,以提高模型的泛化性。实验结果表明用该方法汉字验证码的单字识别率已达到99.4%;传统四字符字母数字验证码的识别率最高达到99.3%。这一结果表明深度神经网络对验证码复杂结构的感知能力很强大,通过对比实验发现Keras框架在验证码识别领域有较好效果。     

文本对抗验证码的研究

图像识别等深度学习技术的发展使得传统的文本验证码安全性下降，利用对抗样本这一深度神经网络存在的缺陷来增强文本验证码的安全性具有重要研究意义。通过将多种对抗样本生成算法应用到文本验证码上，生成文本对抗验证码，并从耗时、扰动大小、黑白盒识别率等多个方面衡量生成的对抗验证码的实际效果。基于验证码生成频率较高的应用场景特点，筛选出将通用对抗扰动应用到文本验证码上的方案；在应用快速通用对抗扰动（Fast-UAP）算法时，为了克服Fast-UAP的不稳定性，提出了I-FUAP(initialized-FUAP)算法，通过利用通用对抗扰动来进行初始化，实验表明，在不显著影响扰动成功率和对抗样本攻击效果的前提下，改进后的算法相比于原来的Fast-UAP能更快地生成通用对抗扰动，生成耗时减少约30.22%。     

卷积神经网络在验证码识别上的应用与研究

针对日前在互联网中被广泛使用的验证码,提出将卷积神经网络引入到验证码识别之中。通过设计新的卷积网络拓扑结构,针对可分割成语验证码提出基于k-means聚类的字符分割方法,以及仿真验证码图片自生成训练集,通过预训练过程使得卷积训练网络具有良好初值,加速收敛并提高模型泛化能力;针对不可分割验证码,省去字符分割操作直接将验证码整体作为卷积模型输入,引入仿射变换、水漫填充等预处理和SVM算法二分类,或者结合多标记学习方法设计卷积拓扑等。最终实验研究证实卷积神经网络对于可分割及不可分割验证码的平均识别准确率均收敛于99%左右。     

基于Python和CNN的验证码识别

针对目前互联网上关于页面自动登录环节出现的难点,由于部分登录界面有验证码的存在,自动登录的时长被增加,并且有的验证码难以识别,这就提出了基于Python和卷积神经网络(CNN)相结合的验证码识别。首先本文对三千多张验证码的样本集进行图片预处理,分别有灰度化处理、二值化处理和去噪点处理三步操作。然后利用三个池化层和一个全连接层的结构设计卷积神经网络,随后训练样本集,并对随机的十个样本进行预测。     

基于卷积神经网络的验证码识别

验证码识别与设计是目前人工智能领域的挑战性问题,验证码图片内容识别通过强制人机交互来抵御机器自动化攻击的,验证码是否能被批量识别可以用来衡量验证码设计的优劣。目前已经有相对成熟的算法解决这类问题,但是仍然存在天花板有待突破。首先本文对5000张验证码的样本集进行图片预处理,对验证码图片去噪点和切割操作。然后利用添加了注意力模块的卷积神经网络训练样本集,并对另外5000张样本进行预测,测试集的准确率可以达到97.9%。     

粘连字符的图片验证码识别

验证码在维护互联网安全、防止机器恶意攻击做出了很大贡献。但通过现有的模式识别技术仍然可以破解部分验证码。着重于有粘连字符的猫扑和西祠胡同网站验证码进行识别,难点在于分割图片中的粘连字符。对字符是模糊粘连的猫扑验证码,提出了基于局部极小值和最小投影值的方法来分割;对有交错粘连的西祠胡同验证码,通过颜色聚类与竖直投影结合来达到分割字符的目的。最终均采用卷积神经网络进行训练和识别,达到了较高的识别率。     

基于灭点理论和平面控制场的相机标定方法研究

给出了一种基于灭点理论和平面控制场的相机解析自标定方法。在系统分析平面场景灭点几何的基础上,依据灭点理论并结合2维场景的共线方程严密论证和推导了平面控制场中相机外方位元素初值的实用算法。给出了一种圆形标志点的快速检测及定位方法,提出了一种基于计算可靠性矩阵QVVP的自检校光束法平差中各类观测值权值的确定方法。实验证明了该相机标定方法的正确性和有效性,为相机标定探索了一种可行的方法。     

3维建模中视频图像与磁跟踪器的多模态标定在微创手术中的应用

提出了一种全自动、多模态的信息融合解决方案用于配准视频图像和磁跟踪数据。该配准方案将用于内窥镜图像的三维数字成像系统以对人体的三维解剖结构的外观和尺度进行重建,特别是用于微创手术。多模态标定方法如下：首先医生将磁跟踪器插入并固定于内窥镜的工作通道;然后利用该器械组对一个棋盘格模板的各个视角进行若干秒的采集;内窥镜坐标和磁跟踪器坐标的相对关系（平移和旋转）就可以立刻得到。在手术过程中,磁跟踪器显示的读数将可以自动用来推算出内窥镜的坐标（位置和朝向）,并有利于重建器官的三维结构。虽然目前已有一些深入研究的算法用于从图像中推算相机的运动,他们通常非常容易受到图像分析、误差积累、结构形变等的影响。从实验结果分析可知,该方案提出使用磁跟踪器推算相机运动参数的方法可行且提高了精度。此外,该方法不需要特殊的训练或者昂贵的设备。     

Electrical properties and crystallization behavior of Sb<Subscript><Emphasis Type="Italic">x</Emphasis></Subscript>Se<Subscript>100−<Emphasis Type="Italic">x</Emphasis></Subscript> thin films

The structural transformation and transformation kinetics of Sb _x Se_100−x films (60 ≤ x ≤ 70) were studied to investigate the feasibility of applying Sb _x Se_100−x alloys in phase-change nonvolatile memories. The temperature-dependent van der Pauw measurements, Hall measurements, X-ray diffraction and a static tester were used to investigate the electrical properties and crystallization behavior of the Sb _x Se_100−x films. The sheet resistance difference between amorphous and crystalline state was higher than 10⁴ Ω per square According to Hall measurement, Sb _x Se_100−x films have p-type conduction and the Hall mobility and carrier concentration increases with the increase in Sb content. The crystalline structure of the metastable phase of Sb _x Se_100−x alloys, which plays a major roll in fast crystallization, is similar to that of Sb₂Te (rhombohedral structure). The transition temperature, sheet resistance and activation energy for transformation decrease as the amount of Sb increases in the Sb _x Se_100−x film. Applying the Kissinger method, the activation energies for crystallization were in the range from 1.90 ± 0.15 to 4.16 ± 0.28 eV. The desired crystallization speed can be obtained by a systematic change of the composition owing to the variation of the activation barrier with stoichiometry.     

An Augmented Lagrangian Method for <Emphasis Type="Italic">TV</Emphasis><Subscript><Emphasis Type="Italic">g</Emphasis></Subscript>+<Emphasis Type="Italic">L</Emphasis><Superscript>1</Superscript>-norm Minimization

In this paper, the minimization of a weighted total variation regularization term (denoted TV _g ) with L ¹ norm as the data fidelity term is addressed using the Uzawa block relaxation method. The unconstrained minimization problem is transformed into a saddle-point problem by introducing a suitable auxiliary unknown. Applying a Uzawa block relaxation method to the corresponding augmented Lagrangian functional, we obtain a new numerical algorithm in which the main unknown is computed using Chambolle projection algorithm. The auxiliary unknown is computed explicitly. Numerical experiments show the availability of our algorithm for salt and pepper noise removal or shape retrieval and also its robustness against the choice of the penalty parameter. This last property is useful to attain the convergence in a reduced number of iterations leading to efficient numerical schemes. The specific role of the function g in TV _g is also investigated and we highlight the fact that an appropriate choice leads to a significant improvement of the denoising results. Using this property, we propose a whole algorithm for salt and pepper noise removal (denoted UBR-EDGE) that is able to handle high noise levels at a low computational cost. Shape retrieval and geometric filtering are also investigated by taking into account the geometric properties of the model.     

Extensions of fuzzy hyperideals in <Emphasis Type="Italic">H</Emphasis><Subscript><Emphasis Type="Italic">V</Emphasis></Subscript>-semigroups

The object of the present paper is the investigation and study of (fuzzy) hyperideals in H _v - semigroups. Regular equivalence relations play in H _v - semigroup theory a role analogous to congruences in semigroup theory, so we introduce fuzzy regular equivalence relations on H _v -semigroups and then we study fuzzy Rees regular relations on H _v -semigroups. Using this ideas, we establish a relation between fuzzy hyperideal of an H _v -semigroup H and fuzzy hyperideal of a quotient H _v -semigroup of H. Some characterizations of them are then shown.      

Estimation of a Local Lipschitz Constant of the <Emphasis Type="Italic">B</Emphasis><Subscript><Emphasis Type="Italic">q</Emphasis></Subscript>-Entropy

A method for estimating a Lipschitz constant of the entropy operator of the Boltzmann type is suggested. Examples of the use of the obtained estimates in problems for restoring images by projections are given.__________Translated from Avtomatika i Telemekhanika, No. 7, 2005, pp. 54–65.Original Russian Text Copyright © 2005 by Popkov, Rublev.This work was supported by the Program “Branch of Information Technologies and Computer Systems” and the Russian Foundation for Basic Research, project no. 02-01-00198a.     

Qualitative analysis of dynamic systems with the <Emphasis Type="Italic">B</Emphasis><Subscript><Emphasis Type="Italic">q</Emphasis></Subscript> entropy operator

The method is suggested for the investigation of the existence, uniqueness, and localization of singular points of the DSEO class under consideration. The stability conditions are found “in the small” and “in the large.” Examples of the use of the obtained conditions are given.     

基于DCT域的MPEG—2视频色度格式转换

提出了一种新的基于DCT域的MPEG-2码流转换算法，该算法与现有算法，即通过解码、空域采样率转换来设定新的码流参数，再编码的算法相比，无需IDCT、DCT操作，便可在DCT域实现码流转换，而且省去了运动矢量估值和运动补偿过程，不仅节省了大量帧存和减少了运算量，而且更具有实时性的优点，对MPEG-2 MP@ML到4：2：2Profile@ML码流转换算法实例的分析和现实表明：该算法能简单有效的实现压缩域码流转换，其思想同样可广泛用于其他基于DCT压缩图象的采样率转换、线性滤波等任务。