VerCodeRecognition/dataset.py · edata/DeepLearning-MachineLearning-Note

代码拉取完成,页面将自动刷新

扫描微信二维码支付

取消

支付完成

richgiteeai

Watch

不关注关注所有动态仅关注版本发行动态关注但不提醒动态

1 Star 0 Fork 1

edata/DeepLearning-MachineLearning-Note

代码 Issues 1 Pull Requests 0 Wiki 统计流水线

服务

加入 Gitee

与超过 1400万开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)

免费加入

已有帐号? 立即登录

文件

master

分支 (1)

管理

master

克隆/下载

HTTPS SSH SVN SVN+SSH 下载ZIP

提示

下载代码请复制以下命令到终端执行

为确保你提交的代码身份被 Gitee 正确识别,请执行以下命令完成配置

git config --global user.name userName 
git config --global user.email userEmail

初次使用 SSH 协议进行代码克隆、推送等操作时,需按下述提示完成 SSH 配置

1 生成 RSA 密钥

2 获取 RSA 公钥内容,并配置到 SSH公钥中

在 Gitee 上使用 SVN,请访问使用指南

使用 HTTPS 协议时,命令行会出现如下账号密码验证步骤。基于安全考虑,Gitee 建议配置并使用私人令牌替代登录密码进行克隆、推送等操作

Username for 'https://gitee.com': userName

Password for 'https://userName@gitee.com': # 私人令牌

分支 1

标签 0

DeepLearning-MachineLearning-Note

VerCodeRecognition

dataset.py

dataset.py 1.94 KB

import numpy as np
import torch
from torch.utils.data import Dataset, DataLoader
from PIL import Image, ImageDraw, ImageFont

DIGITS_LETTERS = "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ"
FONT_PATHS = [
 'C:/Windows/Fonts/arialbi.ttf', # 粗斜体
 'C:/Windows/Fonts/arialbd.ttf', # 粗体
 'C:/Windows/Fonts/ariali.ttf', # 斜体
 # 'C:/Windows/Fonts/consola.ttf',
 # 'C:/Windows/Fonts/consolai.ttf',
 # 'C:/Windows/Fonts/consolai.ttf'
]

class VerCodeData(Dataset):
 def __init__(self, data_len=36 * 2000, noise_rate=1, out_size=(32, 32)):
 self.data_len = data_len
 self.noise_rate = noise_rate
 self.out_size = out_size

def __getitem__(self, item):
 # 字符的大小,位置,字符
 r_fonttype = np.random.randint(0, len(FONT_PATHS))
 r_fontsize = np.random.randint(18, 32)
 r_px = np.random.randint(-6, 3)
 r_py = np.random.randint(-6, 3)
 r_dl_idx = np.random.randint(0, 36)
 r_dl = DIGITS_LETTERS[r_dl_idx]

# 创建空白图,底色为白色,并向其写入字符
 fnt = ImageFont.truetype(FONT_PATHS[r_fonttype], r_fontsize)
 txt_size = fnt.getsize(r_dl)
 txt = Image.new('RGB', txt_size, (255, 255, 255))
 d = ImageDraw.Draw(txt)
 d.text((r_px, r_py), r_dl, font=fnt, fill=tuple(np.random.randint(0, 100, 3)))

# 添加随机噪声,比率一般为1/10
 mask = np.random.randint(0, 10, (txt_size[1], txt_size[0], 3))
 mask = np.where(mask < self.noise_rate, True, False)
 img_noise = mask * np.random.randint(0, 100, (txt_size[1], txt_size[0], 3), dtype=np.uint8)
 # 将数据下采样,再上采样,以降低分辨率,保证与原始的验证码差不多
 dl_img = Image.fromarray(np.array(txt) - img_noise).resize(self.out_size)

# 返回字符图片的数组,和它的标签
 return np.array(dl_img), r_dl_idx

def __len__(self):
 return self.data_len

一键复制编辑原始数据按行查看历史

edata 提交于 2020年01月07日 23:48 +08:00 . add verification code recogintion note

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

import numpy as np
import torch
from torch.utils.data import Dataset, DataLoader
from PIL import Image, ImageDraw, ImageFont

DIGITS_LETTERS = "0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ"
FONT_PATHS = [
 'C:/Windows/Fonts/arialbi.ttf', # 粗斜体
 'C:/Windows/Fonts/arialbd.ttf', # 粗体
 'C:/Windows/Fonts/ariali.ttf', # 斜体
 # 'C:/Windows/Fonts/consola.ttf',
 # 'C:/Windows/Fonts/consolai.ttf',
 # 'C:/Windows/Fonts/consolai.ttf'
]


class VerCodeData(Dataset):
 def __init__(self, data_len=36 * 2000, noise_rate=1, out_size=(32, 32)):
 self.data_len = data_len
 self.noise_rate = noise_rate
 self.out_size = out_size

 def __getitem__(self, item):
 # 字符的大小,位置,字符
 r_fonttype = np.random.randint(0, len(FONT_PATHS))
 r_fontsize = np.random.randint(18, 32)
 r_px = np.random.randint(-6, 3)
 r_py = np.random.randint(-6, 3)
 r_dl_idx = np.random.randint(0, 36)
 r_dl = DIGITS_LETTERS[r_dl_idx]

 # 创建空白图,底色为白色,并向其写入字符
 fnt = ImageFont.truetype(FONT_PATHS[r_fonttype], r_fontsize)
 txt_size = fnt.getsize(r_dl)
 txt = Image.new('RGB', txt_size, (255, 255, 255))
 d = ImageDraw.Draw(txt)
 d.text((r_px, r_py), r_dl, font=fnt, fill=tuple(np.random.randint(0, 100, 3)))

 # 添加随机噪声,比率一般为1/10
 mask = np.random.randint(0, 10, (txt_size[1], txt_size[0], 3))
 mask = np.where(mask < self.noise_rate, True, False)
 img_noise = mask * np.random.randint(0, 100, (txt_size[1], txt_size[0], 3), dtype=np.uint8)
 # 将数据下采样,再上采样,以降低分辨率,保证与原始的验证码差不多
 dl_img = Image.fromarray(np.array(txt) - img_noise).resize(self.out_size)

 # 返回字符图片的数组,和它的标签
 return np.array(dl_img), r_dl_idx

 def __len__(self):
 return self.data_len