哈Ha！
坐下，让自己成为一只海鸥，因为我写得有点紧，并且穿过右耳。 那么，你准备好了吗？ 好，那就开始吧。
注意！ 以下信息仅出于研究目的而编写， 不得用于个人利益！
我也许会从背景开始。 即，随着网络驱动器的发展，其扇区位于云中。 这项技术的精髓使得可以从多个帐户（大约100个或1k个帐户）中制作一个每个10 Gb的Yandex.Disk（在读取时可能会更改）一个大磁盘，例如10Tb。 这里...
我接受它的意思是，对于几年前该程序的开发（我仍在编写该程序，但在另一篇文章中有更多介绍），并提出了一个问题-如何介绍YaCaptcha。
所以我看了一下这个验证码，在谷歌上搜索了一下，我想-有必要使用TensorFlow，然后转移到FANN。 当然有点不高兴，但无事可做。 让我认为，我将下载几张图片（约100k），以便您可以训练神经元，但现在我会记得U-net分割。 好吧，我在Delphi + Synapase上画了几行代码，启动了它，然后搜索了神经元。 我是在搜索过程中下载的，通常之前，我必须说很多。 从这里开始乐趣。
我进去了，这意味着，我在有照片的爸爸中，我看到了-只重复一次！ 是的，是的，有很多重复的图片。 好吧，我认为这是行不通的，我下载了第一个程序，该程序似乎删除了相同的文件（如果内存没有变化，则似乎是clonespy ）。 发射了它，但躺在炉子上睡觉。 早上，我仔细地看了一下统计数据：从10万张图片中删除了76k重复，它们不仅相似，而且100％相同！ 您问什么意思？ 我现在解释。
如果您选择一个神经元，您的认知度将达到〜18％， 正如我们的朋友所写 （好吧，在我看来，如果您愿意的话，您最多可以将其压缩到45-50％）。 但是，即使是这样，我们也不要忘记使用类似方法的麻烦（需要创建数据库，手动输入dox ...很多验证码，然后您仍然需要将所有内容系统化并等待它们全部聚集在一起）以及占用的空间和时间性能也不说程序会很棒。
是否有可能以其他方式走？ -你问。 在这里，我建议进行计数-我们有10万张图片，其中有76k张重复图片，即 如果我们从这些图像中阻塞数据库（例如，取总和的哈希值），我们将获得高达76％的识别百分比，高于神经元，并且数据库权重与TensorFlow的权重表大约相同（如果不小于）。 同时，此方法将在任何地方都可以使用，不需要一堆库。
我们发现Yandex非常强大，以至于他们创建了很少的验证码变体。 有了这个，您可以编写一个我上面写过的程序。 这不是系统的视觉漏洞。 还是您认为超过100Tb的硬盘空间便宜？
感谢收看！