recaptcha-classification-57k

基于 YOLO 的 reCAPTCHA 图像分类模型。该模型被 vision-ai-recaptcha-solver 用于解决 reCAPTCHA 验证码挑战。

模型概要

• 任务：图像分类
• 格式：ONNX (recaptcha_classification_57k.onnx) 和 PyTorch (recaptcha_classification_57k.pt)
• 架构：Ultralytics YOLO 分类模型
• 标签：14 个类别（13 个目标类别 + other）
• 基于 57k 图像数据集 训练

标签

该模型中的目标类别：

• bicycle（自行车）
• bridge（桥梁）
• bus（公交车）
• car（汽车）
• chimney（烟囱）
• crosswalk（人行横道）
• fire hydrant（消防栓）
• motorcycle（摩托车）
• mountain（山脉）
• palm tree（棕榈树）
• stairs（楼梯）
• tractor（拖拉机）
• traffic light（交通信号灯）

other 类别表示非目标/背景图块，在求解器中被有意视为不匹配。

预期用途

• 作为研究或测试工作流程的一部分，对单个 reCAPTCHA 图块图像进行分类。
• 与 vision-ai-recaptcha-solver 包集成使用。

训练数据

基于以下数据集训练： DannyLuna/recaptcha-57k-images-dataset

训练流程

使用 Ultralytics YOLO 分类模型训练，并导出为支持动态输入形状的 ONNX 格式。

使用方法

Ultralytics（推荐）

from ultralytics import YOLO

model = YOLO("recaptcha_classification_57k.onnx", task="classify")
results = model("tile.jpg")

probs = results[0].probs
top1_idx = int(probs.top1)
print(model.names[top1_idx], float(probs.top1conf))

vision-ai-recaptcha-solver

from vision_ai_recaptcha_solver import RecaptchaSolver, SolverConfig

with RecaptchaSolver(SolverConfig()) as solver:
    result = solver.solve(
        website_key="your_site_key",
        website_url="https://example.com/your-page-with-recaptcha",
    )
    print(result.token)

模型文件

• recaptcha_classification_57k.onnx
• recaptcha_classification_57k.pt

局限性

• reCAPTCHA 系统会随时间变化；对新变体的识别准确率可能会下降。
• 在视觉相似的对象上可能出现误报。

伦理考量

请仅将此模型用于合法、授权的目的，例如在受控环境中进行研究、基准测试或测试。

许可证

MIT 许可证。详情请参阅代码仓库中的 LICENSE 文件。