针对新型带伪缺口的滑动拼图验证码程序有效阻止了现有方法的攻击,提出改进ResNet18的滑动拼图验证码破解方法。为保证训练模型具有泛化性,通过数据增强方式获取百万级训练样本并进行图像预处理;随后将预处理图像送入改进的ResNet18进...针对新型带伪缺口的滑动拼图验证码程序有效阻止了现有方法的攻击,提出改进ResNet18的滑动拼图验证码破解方法。为保证训练模型具有泛化性,通过数据增强方式获取百万级训练样本并进行图像预处理;随后将预处理图像送入改进的ResNet18进行训练和测试获得网络模型,紧接着使用该模型进行滑块检测和缺口检测计算滑块与缺口之间的距离,并使用随机曲线拟合算法生成滑动轨迹;利用Selenium拖动滑块完成拼图验证。经实验表明改进ResNet18相较于传统的ResNet18参数量减少41%、GFLOPs(Giga Floating-point Operations Per Second)减少59%,在检测精度提高1.8百分点的情况下推理速度快了2.75倍,还能有效破解新型和普通滑动拼图验证码程序,其中mAP(Mean Average Precision)达到98.66%,mAS(Mean Average Speed)为3.68 s,具有较强的普适性且整体性能优于现有方法。展开更多
为了能准确地识别植物的生长阶段从而实现智慧植物补光,设计一套能识别植物种类和生长阶段的智慧植物补光系统,其中识别植物生长阶段以ResNet18模型进行改进,用深度可分离卷积代替传统卷积,并引入SE模块(squeeze and excitation module...为了能准确地识别植物的生长阶段从而实现智慧植物补光,设计一套能识别植物种类和生长阶段的智慧植物补光系统,其中识别植物生长阶段以ResNet18模型进行改进,用深度可分离卷积代替传统卷积,并引入SE模块(squeeze and excitation module)来提高模型任务处理的效率和准确性,结合早停法和学习率衰减机制来训练,避免过拟合。以番茄为研究对象进行验证,识别其幼苗期、开花坐果期和果实成熟期。结果表明,改进ResNet18模型的识别准确率达到了96.57%,比原模型提高了4.93个百分点,单张识别时间为0.27 s,比原模型快了0.30 s,模型体积为原模型的14%,同时,改进后的模型在测试集准确率、参数量和Macro F1得分等方面都优于ResNet18、ResNet34、AlexNet和VGG16四种卷积神经网络。最后,将改进ResNet18模型应用于植物补光系统,实际识别番茄生长阶段的准确率达到了96.49%,并能输出预期的光谱。该系统能精准地识别植物种类及其生长阶段,从而调用匹配植物及其生长阶段的光配方,达到智慧补光的目的。展开更多
文摘针对新型带伪缺口的滑动拼图验证码程序有效阻止了现有方法的攻击,提出改进ResNet18的滑动拼图验证码破解方法。为保证训练模型具有泛化性,通过数据增强方式获取百万级训练样本并进行图像预处理;随后将预处理图像送入改进的ResNet18进行训练和测试获得网络模型,紧接着使用该模型进行滑块检测和缺口检测计算滑块与缺口之间的距离,并使用随机曲线拟合算法生成滑动轨迹;利用Selenium拖动滑块完成拼图验证。经实验表明改进ResNet18相较于传统的ResNet18参数量减少41%、GFLOPs(Giga Floating-point Operations Per Second)减少59%,在检测精度提高1.8百分点的情况下推理速度快了2.75倍,还能有效破解新型和普通滑动拼图验证码程序,其中mAP(Mean Average Precision)达到98.66%,mAS(Mean Average Speed)为3.68 s,具有较强的普适性且整体性能优于现有方法。
