yeguixin

Hi @themrzmaster Do you solve this problem? Thanks

@ppenzin Chakra (both the release and debug version of V1.12.0.0-beta) is crashed when running the above PoC which had triggered a [CVE](https://cve.mitre.org/cgi-bin/cvename.cgi?name=CVE-2017-2531) of Safari. Maybe Chakra produces the same issue...

I also encounter this problem. When I run run_webcap.py, the synthetic video is blur. Have you solvd it? @lovaxi

您好，谢谢指出论文中表述歧义的地方。Captcha Image Generator生成的验证码既包含文字，又包含security features。而GAN网络的生成器只是在像素级别微调合成的验证码，降低生成与真实验证码之间的差异。我们在即将发表的扩展论文中已修改过来。

Hi, thanks for your attention. You can refer to [this repository](https://github.com/google/recaptcha) to generate as many as captchas of Google reCaptcha V1. In addition, we inspired by the [cGANs](https://github.com/yeguixin/pytorch-CycleGAN-and-pix2pix) to build...

Hi, I also have encountered this phenomenon. The accuracy output during the training process may be inaccurate because the number of test data is small. You can test all the...

谢谢对我们工作的关注，读于您的问题，我理解如下，有不对的请批评指正： 1. GAN中判别器只是一个二分类器，其作用只是判断生成数据和真实数据是否同一个风格（可以理解为数据分布是否相似），而数据是生成器生成的，没有混淆背景的验证码生成时需要将背景参数设置为false。 2. Pre-processing model的作用是去除真实验证码中的背景和干扰线，或者是填充空心字符。其训练数据全部由生成数据组成，即有背景（干扰线）和无背景（干扰线）的生成验证码。 3. LeNet-5的训练也是使用生成的无背景（干扰线）的验证码，仅在模型迁移是使用了少量的去除背景（干扰线）的真实验证码数据。 4. 对于调整生成参数的步骤，我们主要思想是把参数枚举出来，然后选择生成最好的那一组参数，所以训练比较慢。这里还有待完善，在后续的实验中我们发现，把可变参数的初始值调大（例如把字符旋转角度调整为[-50,50]，涵盖真实数据中的旋转角度），也可以不用调整生成参数。

Pre_trained阶段直接是Data1->GAN1->LeNet5，这里的Data1是生成没有背景或干扰线的验证码图片。

是这样。Pre_trained阶段是Data1->GAN1->LeNet5，这里的Data1是生成没有背景或干扰线的验证码图片。

是的，pre_trained用的是生成数据，传统生成器可以直接生成无security features的验证码。