最近，sunguou瀏覽器宣布成功實現(xiàn)了12306圖形驗證碼的自動識別，從而實現(xiàn)了全自動訂票體驗。

據(jù)悉，搜狗瀏覽器之所以成為市面上首款、也是唯一一款實現(xiàn)了新版12306驗證碼自動識別的瀏覽器軟件，正是借助了深厚的搜狗識圖搜索技術積淀，和強大的大數(shù)據(jù)處理能力, 打出了“OCR技術+圖像分類技術”相結合的組合拳。

與以往的文字、數(shù)字驗證輸入不同，中國鐵路客戶服務中心(12306)推出的新版圖形驗證碼，要求用戶在填寫好登錄名和密碼之后，需要根據(jù)文字提示，識別并點擊驗證圖片中的對應選項，只有準確地選取圖形驗證碼才能登陸成功。由于識別難度較大，該方式一經(jīng)推出，隨即引發(fā)不少網(wǎng)友吐槽：買火車票前，還得先測智商？

該驗證系統(tǒng)推出后，雖然不少搶票軟件聲稱不受影響，但選圖仍需用戶手動操作完成，事實上新版圖形驗證碼對于搶票軟件而言，著實帶來了一道難題。通常，該類軟件會借助光學字符識別技術(簡稱：OCR技術)，支持自動驗證碼輸入，為用戶節(jié)省登錄時間，提高搶票效率。而對于此前12306的文字、數(shù)字驗證碼來說，OCR技術更為適用。而12306推出新版圖形驗證碼以后，僅憑OCR技術來解決新問題，就顯得有些“捉襟見肘”了。

究其原因，首先需要了解OCR其背后的技術原理。通常，OCR識別包括預處理、二值化、去噪、傾斜校正、字符切割、字符識別、后處理等幾個步驟。簡言之，通過捕捉圖像并識別文字，OCR技術使得電腦可以像人一樣閱讀。

而12306新舉措，使得驗證碼輸入由傳統(tǒng)相對簡單的字母數(shù)字識別輸入，升級為用戶需要根據(jù)描述文字從候選多張圖片中勾選對應類別的一個選擇過程。也就是說，12306新驗證碼識別由原來的填空題，升級為多選題，由于答案的個數(shù)是不確定的，可以說變成了一個不定項選擇題。那么，這一問題就不難理解了，原本基于文字就能獲得較高識別率的OCR技術，卻無法解決候選圖片的類別判定，因此就不能破解新版圖形驗證碼。

針對這一難題，搜狗識圖搜索率先提出解決方案，打出“OCR技術+圖像分類技術”相結合的組合拳，加之以搜狗深度學習技術和大數(shù)據(jù)分析處理功力，實現(xiàn)了對12306新版圖形驗證碼的自動識別。

在OCR技術的基礎上，搜狗識圖搜索更進一步，借用了圖像分類的思想，首先將經(jīng)過變形處理的描述文字圖像通過OCR技術識別成文本，再通過圖像分類技術，對于多張候選圖像識別出其分類信息，然后將文本和分類信息進行自動匹配，從而實現(xiàn)驗證碼的自動識別過程。這樣，憑借“OCR技術+圖像分類”這套組合拳，搜狗識圖搜索就完成了圖像識別最為關鍵的第一步，有效解決了OCR技術無法實現(xiàn)圖像識別的問題。

當然，在初步識別圖像的基礎上，想要準確地選取圖形驗證碼，還需要提高識別精度。目前，搜狗識圖搜索對于大部分的12306圖形驗證碼能夠?qū)崿F(xiàn)自動破解，其圖像識別精度在該技術領域，已經(jīng)達到了國內(nèi)領先水平。

而取得這一成績的背后，依靠的正是搜狗深度學習技術和大數(shù)據(jù)積累。目前，伴隨互聯(lián)網(wǎng)科技高速發(fā)展，“深度學習”這一被機器學習大師Hinton等人于2006年提出的新概念，其覆蓋領域愈來愈廣泛，它通過多層次的學習而得到對于原始數(shù)據(jù)的不同抽象層度的表示，進而提高分類和預測等任務的準確性。此次，搜狗識圖搜索成功將其應用于圖像識別領域，通過模擬人認知圖片的過程，多層次地模擬和學習，大幅提高了圖片分類和識別的準確性。截至目前，搜狗深度學習技術已經(jīng)積累千萬量級的模擬訓練數(shù)據(jù)，達到了行業(yè)領先水平。

另一方面，搜狗面向全網(wǎng)圖像標注而積累的大數(shù)據(jù)，也同樣起到了非常重要的作用。如果說，深度學習技術是急先鋒的角色，那么大數(shù)據(jù)則是充實補給的后方陣地，對于深度學習而言，需要大量數(shù)據(jù)，正如康奈爾大學創(chuàng)意機器人實驗室主任胡迪.利普森所言，深度學習極度“數(shù)據(jù)饑渴”，如果它們得到越多的數(shù)據(jù)，就學習得越快越好?！蹦壳?，搜狗全網(wǎng)圖像標數(shù)據(jù)庫已經(jīng)沉淀了數(shù)千萬量級的數(shù)據(jù)，而這也為搜狗圖像識別精度大幅提升奠定了堅持基礎，并使其實現(xiàn)圖形驗證碼識別真正成為可能。