Архитектура систем искусственного интеллекта

# CAPTCHA Images

# Цель

Проанализировать насколько эффективны текстовые капчи распознавая их с помощью машинного обучения

# Задачи

    • [ ] Анализ существующих решений.
    • [ ] Сбор данных и их обновление.
    • [ ] Обучение и оценка моделей на исходном датасете.
    • [ ] Выбор двух моделей с наибольшим значением точности.
    • [ ] Оценка качества и скорости работы модели на новых CAPTCHA путем A / B тестирования.
    • [ ] Выбор и развертывание наилучшей модели.
    • [ ] Оптимизация выбранной модели путем квантизации и дистилляции.
    • [ ] Развертывание оптимизированной модели, количественная оценка эффекта оптимизации.

# Датасет

Датасет

# Целесообразность

Этот набор данных содержит изображения CAPTCHA (полностью автоматизированный общедоступный тест Тьюринга, позволяющий различать компьютеры и людей). Создан в 1997 году, чтобы пользователи могли идентифицировать и блокировать ботов (для предотвращения спама, DDOS и т. д.).

Содержание
Изображения представляют собой слова из 5 букв, которые могут содержать цифры. К изображениям был применен шум (размытие и линия). Они имеют размер 200 на 50. Обзор датасета (opens new window)

Можно посмотреть на пример гистограммы интенсивности. Обратите внимание разрыв между интенсивностью около 0 (передний план) и 255 (фон)
гистограммы интенсивности

Если взглянуть на символы на изображениях CAPTCHA, можно заметить, что:

  • используются только 19 символов 2,3,4,5,6,7,8 и b,c,d,e,f,g,m,n,p,w,x,y
  • частота каждого символа примерно одинакова, за одним исключением: n используется в два раза чаще, чем другие символы.
    Частота слов

Проект: CAPTCHA (opens new window)
Эти данные можно применить для машинного обучения нейросети распознование симвлов

# Диаграммы

  • Component diagram;
  • Activity diagram;

# Component diagram

Component diagram

# Activity diagram

Activity diagram