一、前言
今天给大家分享的实战项目是常用验证码标注&识别，从想法诞生到实现思路，再到编码实战的整体过程，这个过程我前后整理了上万字，计划分章节来发布。言归正传，一起来看看今天的内容吧！今天这篇内容主要讲解这篇文章的创作灵感、需求分析和实现思路。
首先介绍一下验证码基本概念，验证码全称为全自动区分计算机和人类的图灵测试（Completely Automated Public Turing test to tell Computers and Humans Apart，简称CAPTCHA），俗称验证码，是一种区分用户是计算机和人的公共全自动程序。验证码的主要目的是强制人机交互来抵御机器自动化攻击，为了确保服务器系统的稳定和用户信息的安全，大部分网站采用了验证码技术。图片验证码是目前最常用的一种，本文也主要讨论这种验证码的识别。
最初，图片验证码识别的想法最初源于12年的大学阶段，当时的学校教务系统每次抢课系统就崩溃，而且还要特定时间段跟其他同学一起抢指定课程，基本抢不到自己想修的课程，那时候就想绕过系统图片验证码通过代码实现自动抢课，鉴于当时自己编码能力和技术能力有限，机器学习、神经网络相关框架效果较差，最后以各种条件限制实现不了告终~~
XDM，等等，故事还没完，时间回到2021年，做为一名勤于搬砖、善于思考学习的程序猿，在经过几年社会的毒打后，想着以现在自己的项目经验、学习能力和编码功底，以及行业内机器学习、神经网络等AI技术的发展，能不能把多年以来的想法给实现，达到图片验证码高正确率识别预测，训练一个高度可用的CNN模型。在做项目之前经过笔者几天的资料查询过程中，确信高可用的验证码识别模型想法是可以做的，于是开启了CNN神经网络等技术前置知识的漫长学习过程。
几个月过后，项目编码实战出炉，效果嘛，自我感觉还行，基本达到高可用，500张训练数据图，CNN模型单个字符97%以上准确率。
这里先贴项目的工程Git地址，有基础的同学可以去直接拉取项目下来把玩源码：
[Java后台-通用验证码标注系统](https://gitee.com/snowball2dev/DataMarkService) [Vue管理后台模板-通用验证码标注系统](https://gitee.com/snowball2dev/DataMarkService-Vue)[Python-图片验证码识别模型案例](https://gitee.com/snowball2dev/VerifyCodeRecognize-Python)[标注系统线上效果体验地址](http://139.9.191.103:8084/)好的，XDM，如果到这里还有兴趣往下看的话，那么就请跟随结合笔者的学习、编码实战过程来了解常用的验证码识别方法和过程。
二、需求分析
说到图片验证码识别功能，这个功能初步想想也简单，网上搜一下关键词，相关文章和开源项目非常多。以下是github搜索结果：
我是Snowball。这篇内容主要讲解了常用验证码标注&识别的背景知识， 介绍了验证码的基本概念，讲述了这个文章的的创作灵感、需求分析和实现思路。
