基于LSTM型RNN的CAPTCHA识别方法

被引：23

作者：

张亮

黄曙光

石昭祥

胡荣贵

机构：

[1] 解放军电子工程学院网络系

来源：

模式识别与人工智能 | 2011年 / 24卷 / 01期

关键词：

人工智能; 脱机文字识别; 全自动的区分计算机和人的图灵测试(CAPTCHA); 长短时记忆(LSTM);

D O I：

10.16451/j.cnki.issn1003-6059.2011.01.011

中图分类号：

TP393.08 [];

学科分类号：

0839 ; 1402 ;

摘要：

全自动区分计算机和人的图灵测试(CAPTCHA)是一种基于人工智能难题的网络安全机制.研究CAPTCHA的识别能够使其变得更加安全,并能促进一些人工智能难题的求解.文中首先对现有的CAPTCHA识别方法进行总结和分析,然后提出一种基于长短时记忆(LSTM)型递归神经网络(RNN)进行识别的方法,并对CAPTCHA识别中的特征提取问题进行研究.最后,为进一步提高RNN的识别率,提出一种解码算法.实验结果表明,文中方法是有效的,灰度值对于RNN是一种较好的特征,提出的解码算法能够取得较高的识别率,又有较低的时间复杂度.

引用

页码：40 / 47

页数：8

共 6 条

[1] 连续字符识别的级联HMM训练算法 [J].

赵巍 ;

刘家锋 ;

唐降龙 ;

吴锐 .

计算机学报, 2007, (12) :2142-2150

[2] Generation and use of handwritten CAPTCHAs [J].

Rusu, A. ;

Thomas, A. ;

Govindaraju, V. .

INTERNATIONAL JOURNAL ON DOCUMENT ANALYSIS AND RECOGNITION, 2010, 13 (01) :49-64

[3] Long short-term memory [J].

Hochreiter, S ;

Schmidhuber, J .

NEURAL COMPUTATION, 1997, 9 (08) :1735-1780

[4]

Web验证码的生成与识别.[D].李颖.南京理工大学.2008, 01

[5]

验证码的识别与反识别.[D].许明.南京理工大学.2007, 01

[6]

验证码识别及其Web Service的实现研究.[D].姜鹏.南京理工大学.2007, 02

← 1 →