最近挺多人问起南航的验证码怎么识别，下面我就给各位分析一下
图片地址：https://b2c.csair.com/ita/rest/intl/captcha/challenge?type=ac
看起来好像挺常规的，不过多刷新几次
可以看到其实字体变化挺多的，不过都是相似的字体，比如字符“i”包括了几种特征的字体，而且容易和其他字符混淆，人眼有时也需要结合场景去推断，而对于机器而言并不擅长这种排除法的逻辑推论。
问题：
不少使用MCG框架，或者其他网上的训练代码训练，用了好几万样本训练许久发现识别率一直是0。
原因：
主要的坑在于，字体相似度高，其次【字符边缘粘结】，这种粘结和下一个字符的边缘匹配度刚刚好，LSTM有一个概念，timestep，时间步长相当于对图片做切片处理，传入 循环层(LSTM) 的 shape 为 (batchsize, timestep, num_classes) ，timestep 就显得尤为重要，仔细观察这种字体会发现，某些联结处也可以组成一些有效字符，这种情形对于CNN+LSTM的特征提取挺不友好的其实。
最终解决方法：
实际图片宽大于200，而一般情况网上的开源验证码识别的代码的backbone基本都是精简的VGG，3-5层CNN堆叠结构，可以调整输入网络的尺寸，稍加变形可以更有利于这种图片的特征提取。或者修改卷积层的相关参数达到相同的效果。
笔者配置的参数如下：
还有一点，笔者做了二值预处理，阈值220。
最终朋友测试说识别率大约在94%，网络计算量耗时2-3ms。
总结：有时候图片训练效果不好可以试试调参大法，不一定要迷恋原始尺寸。