#用 CRNN + CTC 搞定文字验证码！附 PyTorch 训练 + ONNX 加速部署

📌 非恶意自动化提示：本文及配套工具仅供技术学习交流/非敏感场景的合规自动化测试使用，请遵守《网络安全法》及目标网站的 robots 协议/使用条款。

📂 项目地址（注意不是编辑页哦）：VerificationCodeRecognition

#1. 核心背景回顾

为什么选 CRNN？不是 YOLO 分割字符再识别吗？ 文字验证码的字符是粘连、倾斜、无固定分割线的，YOLO+分类的“两步走”方案会因为分割不准导致整体识别率崩。

而文章开头的 CRNN + CTC Loss 刚好是无分割端到端的经典组合：

• 🧠 CNN 先把图片“拍扁压缩”，提取核心的笔画/色彩特征
• 🔄 双向 LSTM 接着串起特征，学懂字符之间的“前后依赖”（比如 a-q-q-h 这种组合不能乱拼）
• 📏 CTC 是“对齐神器”，不用手动把标签对应到图片的某个像素区域，自动算损失就行

#2. 开发环境快速搭

#基础要求

别找太老的包哦，项目用了新特性：

• Python: 3.6+
• 深度学习框架: PyTorch 2.0+（兼容 CUDA 加速，速度快N倍！）
• 推理加速: ONNX Runtime（CPU/GPU 版都支持）

#一键装依赖

# 先克隆仓库到本地
git clone https://github.com/MgArcher/VerificationCodeRecognition.git
cd VerificationCodeRecognition

# 安装所有依赖（如果是GPU版PyTorch提前装好哦，pip会默认找CPU版）
pip install -r requirements.txt

#3. 数据集准备三步走

验证码识别是监督学习的活，有多少带清晰标签的高质量数据，决定了识别率的天花板。

#3.1 数据获取

作者已经准备了一套预设的4位纯英文小写字母验证码（比如 aqqh_157845.jpg），可以直接拿来练手： 👉 Lanzou云预设数据集

如果要做自己的业务场景，比如数字+大写字母+中文的混合验证码，需要自己生成或爬取脱敏后的合规数据。

#3.2 数据存放与命名

别瞎改结构和名字哦！ 除非你愿意动读取逻辑：

1. 把所有图片放到根目录下的 data 文件夹
2. 命名规则：真实标签_唯一标识.jpg/png（唯一标识可以是时间戳、序号，防止重名覆盖）

举个正确的例子🌰：

data/
├─ aqqh_157845.jpg
├─ bmwx_20240520.jpg
└─ zyzh_9999.png

#3.3 自定义读取（可选）

如果业务场景的图片格式/路径/命名完全不一样，修改 tool/dataloader.py 里的 MyDataset 类就行。

#4. 模型训练指南

训练过程会自动记录训练集损失值（total_loss）、训练集准确率（acc）、验证集损失/准确率（如果开启了验证的话）。

#4.1 修改核心配置

打开 train.py 开头的 Opt 类，调整几个关键参数：

class Opt():
    trainRoot = r"data"         # 必须改成你的训练集路径！Windows记得加r
    cuda = True                # 有N卡就开！速度从几十分钟降到几分钟
    pretrained = ''            # 断点续训/微调的话填pth模型路径
    alphabet_path = 'tool/charactes_keys.txt' # 字符字典，要改场景的话更重要！

#4.2 启动训练

直接敲命令就行啦😎：

python train.py

#4.3 什么时候停训？

别一直死等训练到天荒地老，看这两个指标稳定就停：

• 训练集的 acc 接近 100%（说明模型“背熟”了训练集）
• 验证集的 val_acc 稳定在95%以上（针对纯字母的预设数据集），不再明显波动（防止过拟合！）

训练好的模型会保存在根目录下的 expr 文件夹里。

#5. 推理与生产级部署

#A. 原生 PyTorch 推理（开发调试用）

适合在训练阶段快速验证模型效果，不用转格式：

python var_torch.py

耗时参考：CPU环境约 30-35ms/张，N卡（比如RTX 2060）约 3-5ms/张。

#B. ONNX 加速推理（生产环境首选）

原生 PyTorch 在 CPU 下的推理太慢了！转成 ONNX 格式可以用 ONNX Runtime 优化，CPU下能提升 3-4 倍速度！

#1. 导出 ONNX 模型

python export.py

导出成功后会在 expr 文件夹里生成 crnn.onnx。

#2. 使用 ONNX 推理

python var_onnx.py

耗时参考：CPU环境约 7-10ms/张，几乎和小N卡持平了！

#6. 进阶优化小技巧

#6.1 字符字典适配

如果你的验证码包含数字、大写字母、特殊符号、中文，必须第一时间更新 tool/charactes_keys.txt！把所有可能出现的字符按顺序写进去，不要有重复。

#6.2 数据增强破瓶颈

如果识别率卡在90%左右上不去，试试在 tool/dataloader.py 里的 MyDataset 类的 __getitem__ 方法中加入：

• 随机旋转
• 随机加高斯噪声/椒盐噪声
• 随机对比度/亮度调整
• 轻微的仿射变换（平移、缩放、倾斜）

#6.3 预训练微调省时间

如果从零开始训练太慢，可以先找一套通用的文字识别预训练模型（比如只识别英文的），然后用自己的业务数据微调，收敛速度会快很多！

好了，这套流程走完，你就能拥有一个自己的文字验证码识别小工具啦～如果有问题可以去作者的仓库提 Issue 哦！