All systems operationalAI Agent Automation Platform
English
Language简体中文EnglishSelected

Choose your language

ocr2

xiaolv/ocr2

Publisherxiaolv

Download access requirementsModelScope source

验证码识别模型 ocr-captcha专门识别常见验证码的模型,训练模型有3个: 1.ocr small:训练数据大小为700MB,约8.4万张验证码图片,训练轮次27轮,最终的精度将近100%,推荐下载这个模型; 2.ocr big:训练数据大小为11G,约135万个验证码图片,训练轮次1轮,最终的精度将近93.95%(由于资源问题,无法训练太久);

Image Analysis
Model details

模型介绍

中文整理

介绍(Introduction)

验证码识别模型 ocr-captcha**专门识别常见验证码的模型,训练模型有3个:

  • **ocr small**:训练数据大小为700MB,约8.4万张验证码图片,训练轮次27轮,最终的精度将近100%,推荐下载这个模型;
  • **ocr big**:训练数据大小为11G,约135万个验证码图片,训练轮次1轮,最终的精度将近93.95%(由于资源问题,无法训练太久);
  • 🚀 **[2025-11-20]** **ocr2**:训练数据大小为3G,约60万个验证码图片,训练轮次30轮,最终的精度将近 {"accuracy": 0.988, "AR": 0.998} ;版本号为: model revision='v1.0.1'

数据分布

  • **类型**: 1 纯数字( 0-9 ); 2 数字+字母( 0-9 + a-z + A-Z ); 3 纯字母( a-z + A-Z ); 4 手机号(11 位随机数字); 5 邮箱(本地部分使用 a-zA-Z0-9 ,域名来自常见集合;渲染与标签均去掉 . ,保留 @ ); 6 区号电话(区号与主号随机数字,格式可能包含括号或连字符,分机号可选)
  • **长度**:2-8位

数据微调

  • **基座模型**:基座模型参考达摩院发布的读光-文字识别-行识别模型-中英-通用领域
  • **具体微调参考以上链接**

模型体验链接

modelscope:验证码识别模型(ocr-captcha)

Model capabilities

通过新的数据与训练策略,模型具备以下能力与改进:

  • 正确识别数字 0 ,不再将 0 误判为字母 O
  • 对适度干扰线条、噪点与背景浅色线条具备鲁棒性
  • 文本统一居中绘制、无旋转,训练与推理一致性更好
  • 支持 6 类目标文本(含手机号、邮箱、区号电话);邮箱渲染与标签去点号
  • 提供随机与单色文本颜色两种模式,默认暗色随机色提升泛化

快速使用(Quickstart)

代码提供web网页版:

详细数据参考huggingface代码:xiaolv/ocr-captcha

快速使用gradio

联系我们(Contact Us)

如果你想给我们的研发团队和产品团队留言,请通过邮件(2240560729@qq.com)联系我们。

优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。

你将获得什么

完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。

完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。

使用前须知

运行环境

运行模型需要的设备、工具与依赖,以原作者说明为准。

授权范围

是否允许商用、修改和分发,请查看模型许可证。

闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。

Back to top