您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384 #68
Comments
|
顺序无所谓 你可以在代码上更改 所有代码都是开源的
…---- 回复的原邮件 ----
| 发件人 | ***@***.***> |
| 日期 | 2024年10月20日 18:20 |
| 收件人 | ***@***.***> |
| 抄送至 | ***@***.***> |
| 主题 | [MgArcher/Text_select_captcha] 您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384 (Issue #68) |
您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384，我怕训练出来的模型代码用不了
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you are subscribed to this thread.Message ID: ***@***.***>
|
|
title是指右下角指示验证内容所在位置，target是指待点击字符位置 应该
…---- 回复的原邮件 ----
| 发件人 | ***@***.***> |
| 日期 | 2024年10月20日 18:27 |
| 收件人 | ***@***.***> |
| 抄送至 | ***@***.***>***@***.***> |
| 主题 | Re: [MgArcher/Text_select_captcha] 您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384 (Issue #68) |
顺序无所谓 你可以在代码上更改 所有代码都是开源的
…
---- 回复的原邮件 ---- | 发件人 | @.> | | 日期 | 2024年10月20日 18:20 | | 收件人 | @.> | | 抄送至 | @.> | | 主题 | [MgArcher/Text_select_captcha] 您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384 (Issue #68) | 您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384，我怕训练出来的模型代码用不了 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you are subscribed to this thread.Message ID: @.>
那title指的是图片上的哪个部分，是图片左下角待点击的内容吗
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
|
你回复的代码有点乱 看不懂 我现在没办法看上传的代码
…---- 回复的原邮件 ----
| 发件人 | ***@***.***> |
| 日期 | 2024年10月20日 18:43 |
| 收件人 | ***@***.***> |
| 抄送至 | ***@***.***>***@***.***> |
| 主题 | Re: [MgArcher/Text_select_captcha] 您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384 (Issue #68) |
但是我试着修改了一下代码，发现模型输出的参数中不包含tltle的坐标，但是代码中却有title
import os
from src.utils import ver_onnx
from src.utils import yolo_onnx
from src.utils import utils, matchingMode
class JYClick(object):
def init(self, per_path='pre_model_v6.bin', yolo_path='best_v2.bin', sign=True):
save_path = os.path.join(os.path.dirname(file), '../../model')
path = lambda a, b: os.path.join(a, b)
per_path = path(save_path, per_path)
yolo_path = path(save_path, yolo_path)
if sign:
try:
from src.utils.load import decryption
except:
raise Exception("Error! 请在windows下的python3.6、3.8、3.10环境下使用")
yolo_path = decryption(yolo_path)
per_path = decryption(per_path)
self.yolo = yolo_onnx.YOLOV5_ONNX(yolo_path, classes=['target', 'title', 'char'],
providers=['CPUExecutionProvider'])
self.pre = ver_onnx.PreONNX(per_path, providers=['CPUExecutionProvider'])
def run(self, image_path):
img = utils.open_image(image_path)
data = self.yolo.decect(image_path)
h, w = img.size # 获取图像的高度和宽度
labels = []
# 处理 char、target 和 title
for item in data:
class_name = item.get("classes")
coords = item.get("crop")
if class_name == "char":
class_id = 0 # class0 for char
elif class_name == "target":
class_id = 1 # class1 for target
elif class_name == "title": # 添加 title 的处理
class_id = 2 # class2 for title
else:
continue
# 获取中心点坐标和宽高
x_center = (coords[0] + coords[2]) / 2 / w
y_center = (coords[1] + coords[3]) / 2 / h
width = (coords[2] - coords[0]) / w
height = (coords[3] - coords[1]) / h
# 保存到 labels 列表
labels.append(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}")
print(data)
return labels
def generate_labels_for_all_images():
current_dir = os.path.dirname(file)
jpg_files = [f for f in os.listdir(current_dir) if f.endswith('.jpg')]
for jpg_file in jpg_files:
image_path = os.path.join(current_dir, jpg_file)
jy_click = JYClick()
labels = jy_click.run(image_path)
# 生成标签文件
label_file = os.path.splitext(jpg_file)[0] + '.txt'
with open(label_file, 'w') as f:
for label in labels:
f.write(label + '\n')
print(f"生成标签文件: {label_file}")
if name == 'main':
generate_labels_for_all_images()
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
|
不会写代码的话你看着会挺麻烦的 一般来讲200张验证码图片的训练集就可以达到70～80的准确率 ，想达到90以上要500-1000张照片
…---- 回复的原邮件 ----
| 发件人 | ***@***.***> |
| 日期 | 2024年10月20日 19:31 |
| 收件人 | ***@***.***> |
| 抄送至 | ***@***.***>***@***.***> |
| 主题 | Re: [MgArcher/Text_select_captcha] 您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384 (Issue #68) |
你回复的代码有点乱 看不懂 我现在没办法看上传的代码
…
---- 回复的原邮件 ---- | 发件人 | @.> | | 日期 | 2024年10月20日 18:43 | | 收件人 | @.> | | 抄送至 | @.>@.> | | 主题 | Re: [MgArcher/Text_select_captcha] 您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384 (Issue #68) | 但是我试着修改了一下代码，发现模型输出的参数中不包含tltle的坐标，但是代码中却有title import os from src.utils import ver_onnx from src.utils import yolo_onnx from src.utils import utils, matchingMode class JYClick(object): def init(self, per_path='pre_model_v6.bin', yolo_path='best_v2.bin', sign=True): save_path = os.path.join(os.path.dirname(file), '../../model') path = lambda a, b: os.path.join(a, b) per_path = path(save_path, per_path) yolo_path = path(save_path, yolo_path) if sign: try: from src.utils.load import decryption except: raise Exception("Error! 请在windows下的python3.6、3.8、3.10环境下使用") yolo_path = decryption(yolo_path) per_path = decryption(per_path) self.yolo = yolo_onnx.YOLOV5_ONNX(yolo_path, classes=['target', 'title', 'char'], providers=['CPUExecutionProvider']) self.pre = ver_onnx.PreONNX(per_path, providers=['CPUExecutionProvider']) def run(self, image_path): img = utils.open_image(image_path) data = self.yolo.decect(image_path) h, w = img.size # 获取图像的高度和宽度 labels = [] # 处理 char、target 和 title for item in data: class_name = item.get("classes") coords = item.get("crop") if class_name == "char": class_id = 0 # class0 for char elif class_name == "target": class_id = 1 # class1 for target elif class_name == "title": # 添加 title 的处理 class_id = 2 # class2 for title else: continue # 获取中心点坐标和宽高 x_center = (coords[0] + coords[2]) / 2 / w y_center = (coords[1] + coords[3]) / 2 / h width = (coords[2] - coords[0]) / w height = (coords[3] - coords[1]) / h # 保存到 labels 列表 labels.append(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}") print(data) return labels def generate_labels_for_all_images(): current_dir = os.path.dirname(file) jpg_files = [f for f in os.listdir(current_dir) if f.endswith('.jpg')] for jpg_file in jpg_files: image_path = os.path.join(current_dir, jpg_file) jy_click = JYClick() labels = jy_click.run(image_path) # 生成标签文件 label_file = os.path.splitext(jpg_file)[0] + '.txt' with open(label_file, 'w') as f: for label in labels: f.write(label + '\n') print(f"生成标签文件: {label_file}") if name == 'main': generate_labels_for_all_images() — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.***>
我使用这个项目时发现有些时候会少点图像，我大概看了一下代码，应该是用yolo识别出要验证的部分和要点击的部分，然后用孪生模型比对后确定点击顺序。我打算自己训练一个yolo，但是自己标注太麻烦，我就打算用你的现有模型来标注，然后我来修正标记错误的部分，再喂给yolo。我不会写代码，所以我让ai改了jy_click.py。让代码利用模型输出对应图片的label用于训练，但是label的结果很差，跟标记出来的res1完全不一样。后来我又问了一下ai，ai说绘制出来的结果使用孪生模型修正过的，我就让ai把修正过的结果输出成label，发现比我标记的都准。后续就是修改我的程序，在日常使用中自动保存识别错误的验证码，在处理之后喂给yolo，效果应该能好不少
以下是修改好的代码
jy_click.txt
顺便问一下您现在项目里的模型是用了多少张图片来训练的
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
|
可以试试
…---- 回复的原邮件 ----
| 发件人 | ***@***.***> |
| 日期 | 2024年10月20日 19:41 |
| 收件人 | ***@***.***> |
| 抄送至 | ***@***.***>***@***.***> |
| 主题 | Re: [MgArcher/Text_select_captcha] 您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384 (Issue #68) |
不会写代码的话你看着会挺麻烦的 一般来讲200张验证码图片的训练集就可以达到70～80的准确率 ，想达到90以上要500-1000张照片
…
---- 回复的原邮件 ---- | 发件人 | @.> | | 日期 | 2024年10月20日 19:31 | | 收件人 | @.> | | 抄送至 | @.>@.> | | 主题 | Re: [MgArcher/Text_select_captcha] 您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384 (Issue #68) | 你回复的代码有点乱 看不懂 我现在没办法看上传的代码 … ---- 回复的原邮件 ---- | 发件人 | @.> | | 日期 | 2024年10月20日 18:43 | | 收件人 | @.> | | 抄送至 | @.>@.> | | 主题 | Re: [MgArcher/Text_select_captcha] 您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384 (Issue #68) | 但是我试着修改了一下代码，发现模型输出的参数中不包含tltle的坐标，但是代码中却有title import os from src.utils import ver_onnx from src.utils import yolo_onnx from src.utils import utils, matchingMode class JYClick(object): def init(self, per_path='pre_model_v6.bin', yolo_path='best_v2.bin', sign=True): save_path = os.path.join(os.path.dirname(file), '../../model') path = lambda a, b: os.path.join(a, b) per_path = path(save_path, per_path) yolo_path = path(save_path, yolo_path) if sign: try: from src.utils.load import decryption except: raise Exception("Error! 请在windows下的python3.6、3.8、3.10环境下使用") yolo_path = decryption(yolo_path) per_path = decryption(per_path) self.yolo = yolo_onnx.YOLOV5_ONNX(yolo_path, classes=['target', 'title', 'char'], providers=['CPUExecutionProvider']) self.pre = ver_onnx.PreONNX(per_path, providers=['CPUExecutionProvider']) def run(self, image_path): img = utils.open_image(image_path) data = self.yolo.decect(image_path) h, w = img.size # 获取图像的高度和宽度 labels = [] # 处理 char、target 和 title for item in data: class_name = item.get("classes") coords = item.get("crop") if class_name == "char": class_id = 0 # class0 for char elif class_name == "target": class_id = 1 # class1 for target elif class_name == "title": # 添加 title 的处理 class_id = 2 # class2 for title else: continue # 获取中心点坐标和宽高 x_center = (coords[0] + coords[2]) / 2 / w y_center = (coords[1] + coords[3]) / 2 / h width = (coords[2] - coords[0]) / w height = (coords[3] - coords[1]) / h # 保存到 labels 列表 labels.append(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}") print(data) return labels def generate_labels_for_all_images(): current_dir = os.path.dirname(file) jpg_files = [f for f in os.listdir(current_dir) if f.endswith('.jpg')] for jpg_file in jpg_files: image_path = os.path.join(current_dir, jpg_file) jy_click = JYClick() labels = jy_click.run(image_path) # 生成标签文件 label_file = os.path.splitext(jpg_file)[0] + '.txt' with open(label_file, 'w') as f: for label in labels: f.write(label + '\n') print(f"生成标签文件: {label_file}") if name == 'main': generate_labels_for_all_images() — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.> 我使用这个项目时发现有些时候会少点图像，我大概看了一下代码，应该是用yolo识别出要验证的部分和要点击的部分，然后用孪生模型比对后确定点击顺序。我打算自己训练一个yolo，但是自己标注太麻烦，我就打算用你的现有模型来标注，然后我来修正标记错误的部分，再喂给yolo。我不会写代码，所以我让ai改了jy_click.py。让代码利用模型输出对应图片的label用于训练，但是label的结果很差，跟标记出来的res1完全不一样。后来我又问了一下ai，ai说绘制出来的结果使用孪生模型修正过的，我就让ai把修正过的结果输出成label，发现比我标记的都准。后续就是修改我的程序，在日常使用中自动保存识别错误的验证码，在处理之后喂给yolo，效果应该能好不少 以下是修改好的代码 jy_click.txt 顺便问一下您现在项目里的模型是用了多少张图片来训练的 — Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.>
我周五的时候用代码抓了2000多张
https://www.123865.com/s/YKUqVv-V7gSh?提取码:RKTd
标注的话可以用我之前发的代码自动标注，然后手动修正，我打算先喂2000张，然后试着用抓来的易错验证码试试效果
—
Reply to this email directly, view it on GitHub, or unsubscribe.
You are receiving this because you commented.Message ID: ***@***.***>
|
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
您好，我想自己训练一下yolo模型，想请教您一下char，title，和target的class排序是什么样的，title是图片上的什么图像，训练配置的图片参数是不是填写384，我怕训练出来的模型代码用不了
The text was updated successfully, but these errors were encountered: