论文部分内容阅读
验证码作为一项广泛使用的验证手段,能有效地鉴别登录用户,对网络安全的保护有着重要的意义。针对卷积神经网络参数量大,训练成本和时间较大的问题,文章提出了一种基于图像Gabor特征与卷积神经网络相结合的图像验证码识别方法,实现了验证码图像的识别和分类。使用Gabor算子提取不同方向和角度的细节特征作为卷积神经网络的输入,并改进深度可分离卷积层获得多尺度特征向量,充分提取验证码图像中的不同特征,提高了模型的识别率。实验研究表明,改进的卷积神经网络对验证码的平均识别准确率达到98%左右,具有实际意义。