/ Модель

Характеристики

Лицензия
MIT
Архитектура
capsolve_sp · dense
Библиотека
pytorch
Опубликована
13 июл 2026

capsolve-sp

Описание изображенийИзображение → текст3 профессии

Компактная сверточная модель для распознавания пятисимвольных CAPTCHA с цифрами и строчными латинскими буквами.

17скачиваний за 30 дней1лайквеса обновлены13 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

capsolve-sp — компактная модель nakasyou для распознавания CAPTCHA из пяти символов. Она использует остаточную сверточную нейросеть с адаптивной подгонкой признаков к пяти символьным позициям и содержит 486 861 параметр. На вход подается серое изображение размером 175×60 пикселей с инвертированной интенсивностью, на выходе — строка ровно из пяти символов: цифр и строчных латинских букв.

Модель предназначена для автоматического распознавания CAPTCHA в сценариях, где такое распознавание разрешено. На валидации точность распознавания отдельных символов составила 96,94%, а точность всей пятисимвольной строки — 87%. Для быстрого CPU-инференса рекомендуется INT8 ONNX; также доступны FP32 ONNX и веса PyTorch в safetensors. Модель распространяется по лицензии MIT.

Качество может снижаться на генераторах CAPTCHA, которые не представлены в обучающих данных; OCR-разметка могла содержать ошибки. Модель рассчитана только на изображения из пяти символов с указанным набором знаков.

Сценарии применения

  • распознавание пятисимвольных CAPTCHA
  • автоматическое чтение CAPTCHA в разрешенных сценариях
  • CPU-распознавание CAPTCHA через ONNX
  • пакетная обработка изображений CAPTCHA

Ограничения

Поддерживаются только изображения CAPTCHA из пяти символов и набор цифр с строчными латинскими буквами; на генераторах, не представленных в обучении, качество может быть ниже. OCR-разметка могла содержать ошибки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

capsolve-sp

Model artifacts for a compact five-character CAPTCHA recognizer.

Training and inference code is maintained separately on GitHub:

  • https://github.com/nakasyou/capsolve-sp

Quick start

Install the CPU inference dependencies:

pip install huggingface-hub onnxruntime pillow numpy

Run the calibrated INT8 model on a 175x60 CAPTCHA image:

from huggingface_hub import hf_hub_download
from PIL import Image
import numpy as np
import onnxruntime as ort

REPO_ID = "nakasyou/capsolve-sp"
CHARSET = "0123456789abcdefghijklmnopqrstuvwxyz"

model_path = hf_hub_download(REPO_ID, "model.onnx")
session = ort.InferenceSession(
    model_path,
    providers=["CPUExecutionProvider"],
)

with Image.open("captcha.png") as source:
    image = source.convert("L")
    if image.size != (175, 60):
        raise ValueError("captcha image must be 175x60 pixels")
    pixels = np.asarray(image, dtype=np.float32)

# The model expects white background as 0 and dark ink as 1.
input_tensor = ((255.0 - pixels) / 255.0)[None, None, :, :]
logits = session.run(["logits"], {"image": input_tensor})[0]
text = "".join(CHARSET[index] for index in logits[0].argmax(axis=-1))
print(text)

To use the FP32 model instead, change model.onnx to model-fp32.onnx.

Files

  • model.onnx: calibrated INT8 ONNX, recommended for fast CPU inference
  • model-fp32.onnx: FP32 ONNX
  • model.safetensors: PyTorch architecture weights
  • config.json: architecture and preprocessing configuration
  • metadata.json: training and evaluation metadata

Model

  • Architecture: residual CNN with adaptive pooling into five character cells
  • Parameters: 486,861
  • Input: grayscale 175x60 image
  • Preprocessing: invert intensity so white is 0 and ink is 1
  • Character set: 0123456789abcdefghijklmnopqrstuvwxyz
  • Output: exactly five characters

The model was fine-tuned on 13,231 frames from 11,754 CAPTCHA groups. Validation used 3,355 frames from 2,938 disjoint groups.

Validation metricResult
Character accuracy96.94%
Exact five-character accuracy87.00%

Across all 14,332 valid labeled 0.png images:

Runtime modelExact accuracy
FP32 ONNX85.047% (12,189 / 14,332)
INT8 ONNX85.033% (12,187 / 14,332)

FP32 and INT8 predictions agreed on 99.874% of images. On an AMD Ryzen AI 7 PRO 350, INT8 reached a median of approximately 1,573 images/second at batch size 8 and eight threads.

Limitations

  • Supports only five-character images using the configured character set.
  • Performance can be lower on CAPTCHA generators not represented in training.
  • OCR-derived labels may contain residual annotation errors.
  • Use only where automated image recognition is authorized.

License

The model artifacts are licensed under the MIT License. See LICENSE.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

Архитектура capsolve_sp неизвестна transformers в образе рантайма.

Класс архитектуры
CaptchaCNN
Ревизия весов
bf6cfe0

0 моделей