LeiDellCaptcha

基于深度学习的空间逻辑推理验证码系统，100% 离线运行。

模型接收验证码图片 + 文字指令（如「点击图中最小的红色球体」），输出目标坐标 (x, y)。

图片(600x300) → 轻量CNN → 256维图像特征 ┐
                                         ├→ FC → (x, y)
指令文本 → 字嵌入 + Conv1d → 96维文本特征 ┘

性能

在 2000 张样本（85/15 划分）上：

指标	数值
平均像素误差	7.99 px
中位数	6.71 px
P95	16.01 px
准确率 @ 30px	99.0%
准确率 @ 40px	100%

按颜色 / 形状分组均在 98%+ @30px。详见 eval_model.py。

快速开始

# 1. 安装依赖 (NVIDIA GPU 推荐)
pip install -r requirements.txt
# GPU 版 PyTorch (CUDA 12.6):
pip install torch torchvision -f https://mirrors.aliyun.com/pytorch-wheels/cu126

# 2. 训练 (默认使用 cuda:0)
python train_model.py --epochs 30 --batch 64 --gpu 0

# 3. 评估准度
python eval_model.py

# 4. 启动服务
python app.py

打开 http://127.0.0.1:5000

仅 CPU 也可运行：python train_model.py（自动回退到 CPU）

命令行参数

train_model.py

参数	默认	说明
--data	spatial_data	数据目录
--epochs	30	训练轮数
--batch	64	批大小
--lr	2e-3	学习率
--gpu	0	GPU 索引（无 CUDA 时回退 CPU）

predict.py

python predict.py --image path/to.jpg --order "点击图中最小的红色球体"
python predict.py --test   # 全量测试, 输出平均误差

API

方法	路径	说明
GET	/	验证码页面
GET	/review	CV 检测结果审查页
GET	/api/next	获取验证码 {image, order}
GET	/api/image/{name}	获取图片
POST	/api/verify	验证 {x, y, image, order} → {ok, dist}

文件说明

文件	说明
app.py	Flask Web 服务（含页面 + API + CV 兜底）
train_model.py	模型定义 + 训练（支持 GPU/AMP）
predict.py	模型推理
eval_model.py	准度评估（容差/分组统计）
spatial_solver.py	CV 求解器（标注与服务端兜底）
captcha_generator.py	本地验证码生成器（脱离外部 API）
spatial_data/	数据集（dataset.json + images/）+ 预训练 model.pt

系统要求

• Python 3.10+（在 3.13 + PyTorch 2.13 + CUDA 12.6 上测试通过）
• 推荐 NVIDIA GPU（DirectML / CPU 也兼容）
• 显存 ≥ 2GB（batch=64 时占用约 500MB）

License

MIT