@@vladimirobernin5594 С уважением, зачем вам связываться с не понятно кем с ютуба. Если у вас все серьезно, обратитесь лучше в IT компанию.

С IT компаниями будет долго и дорого. Задача на пару сотен тыс руб. Уверен, что Вам по силам и достаточно интересная. С уважением!

@@vladimirobernin5594 😁

Да

@@Банки Я уже сделал и опубликовал видео про это :)

@@denkhod7287 Определенно точно есть платные сервисы. Но в целом, для того чтобы на неё не попадаться, нужно делать бота, что максимально повторяет движения человека. Тут уже нейросеть врядли чем-то поможет.

@@vladislavlymar Google таким заниматься точно не будет, они ж официально перешли на reCAPTCHAv3.

@@MrAndrewDK И что? Все равно интересно же узнать как это работает.

@ да ни че. Молодец что сделал видео. Просто преподносишь это так как будто рекапча теперь умрет. Будто это что-то новое. Вся эта рекапча была сделана не для защиты а как раз для обучения нейросеток Гуглом. Предыдущая версия работала с текстом

Я уверен, что она не создавалась "для обучения нейросеток Гуглом", тем не менее действительно - это то, как её в том числе используют. В первую очередь это всё же защита от ботов. И опять же, если так думать, то в чем тогда смысл reCAPTCHAv3?)

@@tesseract_ скажем так. нужно было на халяву обучить сетки. а чтобы их кто-то обучал, нужна была кака-то польза. вот и придумали пользу. совместили полезное с полезным )) а v3 все равно показывает свою стандартную отгадай картинку, когда подозрительная активность. просто сделали менее раздражающую для пользователей. Если браузерный профиль пользователя не нулевой и активность не подозрительна, то она не выскакивает

@@Alex-dd4ct Делать на её основе бота :)

@@Readidno Да, замечание уместное, но, как видишь, это никак не мешает.

@@thebatsun Бралась архитектура под распознавание рукописного текста, а затем корректировалась под такие капчи. Создание нейросетей - это чисто эксперементальный процесс. Думаю, в даном случае, на вопросы ответит какая-нибудь подробная статья или научная робота про нейросети по распознаванию текста, где написано, как они очень очень долго эксперементировали с слоями и кол-вом нейронов, чтобы прийти к такой архитектуре.

Да, но это все сложно... ))

Просто так написано в коде. Там же все видно: мы пропускаем Х через сигмоиду, называем это outputs и пропускаем outputs через производную. В итоге все правильно :)

самый частый критерий - точность на обучающей выборке значительно больше, чем на валидационной (которая не участвует в обучении нейросети)

@@ЛеонидПопов-в7м Какие ещё есть критерии?

100% точность на тестовых данных не обязательно означает переобучение (оверфит). Ключевой момент в том, как модель достигает этих результатов и на каких данных они получены. Вот основные критерии для определения переобучения: 1. Разрыв между обучающей и тестовой выборкой: Если модель показывает 100% на обучающей выборке, но значительно хуже на тестовой - это явный признак переобучения Если 100% достигается на независимой тестовой выборке - это может быть нормально 2. Сложность задачи: В случае с капчей, если это простые символы с минимальным шумом, то 100% точность вполне достижима без переобучения Это похоже на то, как человек может безошибочно читать четкий текст 3. Поведение на новых данных: Если модель сохраняет высокую точность на совершенно новых капчах того же типа - это признак хорошей генерализации Если точность резко падает на слегка измененных капчах - это может указывать на переобучение 4. Размер и разнообразие обучающей выборки: Если 100% достигнуто на большом и разнообразном наборе данных - это более надежный результат Маленькая выборка повышает риск переобучения В нашем случае 100% точность действительно может быть нормальным результатом, а не переобучением: 1. Объем данных: 1040 изображений, из них ~936 для обучения При 5 символах в каждой капче это дает ~5200 отдельных примеров символов Для текстовой капчи с ограниченным алфавитом (цифры + буквы) это разумный объем 2. Сложность задачи: Текстовые капчи с фиксированной длиной в 5 символов - это относительно простая задача Современные CNN способны очень эффективно решать такие задачи распознавания

Конечно можно. По хорошему: 1. Соберите тренировочный датасет, который включает: Капчи разной длины (например, от 3 до 7 символов) Примерно равное количество капч каждой длины для баланса 2. При создании нового датасета убедитесь, что: # Проверка распределения длин lengths = [len(label) for label in labels] unique_lengths = np.unique(lengths) print("Lengths present in dataset:", unique_lengths) for length in unique_lengths: count = sum(1 for l in lengths if len(l) == length) print(f"Капч длины {length}: {count}") 3. Переобучите модель на новом датасете: # Проверьте максимальную длину в новом датасете max_length = max([len(label) for label in labels]) print(f"Maximum length in dataset: {max_length}") # Создайте и обучите модель model = build_model() history = model.fit( train_dataset, validation_data=validation_dataset, epochs=epochs, callbacks=[early_stopping], )

Можно не по-хорошему) Использовать такую модель, но тогда нужно много чего переделывать в коде, да и не правильно это, точность будет плохая.

@@sergwest585 Нет, действительно, давайте не будем вообще ничего интересного изучать, что неактуально. И давайте видео называть типо как «Создал нейросеть для капч 2000-го года, которые никому ни нужны», чтобы никто не зашел и не посмотрел; в том числе и те, кто с программированием не знаком вообще и мог бы заинтересоваться.

@@tesseract_ "создал нейросеть для решения капч" - 0 притензий + всё ещё интересно для людей, тк несёт абсолютно ту же идею. Можно даже "создал НЕЙРОСЕТЬ для решения КАПЧ" Я не говорю "нафиг делал и изучал" это вообще-то полезно. Я жалуюсь на лишний кликбейт, без которого было бы отличное видео

иногда, очень хочется “вы@нуться”, ну прям как Виктор Марьяныч. В целом, ролик годный, много полезного, чё куда вставлятся и втыкаться должно объяснят.

@@minecraft4317 1. По твоей логике не нужно вообще изучать все интересное, что неактуально. 2. Я уже делаю видео про нейросеть для reCAPTCHA v2.

Мне было интересно. Думаю остаться тут надолго.

На каждый вид капчи - потребуется отдельное решение, капча Яндекса специально сделана так, чтобы нейросеть ошибалась. В этом и идея капчи, что машина не справится. Технологии развиваются, но и капчи не стоят на месте. В этом видео капчи еще эпохи до хайпа нейросетей, поэтому сейчас они все легко решились. Капча, где нужно галочку поставить - собирает информацию о пользовании сайтом: движение курсора, временной промежуток между запросами и другое взаимодействие - характерно ли оно для живого человека. Если все ок, то просто галочку поставить просят, иначе дополнительные испытания будут. Есть статья 2019 года, где такую капчу решали с помощью обучения с подкреплением и успешно в 97.4% случаях, не знаю прокатит ли такое в 2024, атвторы капчи тоже эти статьи читают

@@iarde3422 Очевидно, что нет. Чтобы решались другие типы капч, нужны другие нейросети. Не знаю ничего про ваш яндекс, но про капчу гугла reCAPTCHA v2 видео будет. И, очевидно же, что галочку поставить - это совсем просто.

@@l1nkerz_flafy945 Спасибо. Не совсем понимаю вопрос. Если речь идет о том, где я именно учил программирование, то в целом нигде, ты его можешь выучить только сам. Я использовал всевозможные источники в интернете, кроме платных) Высшее образование я получаю в Винницком национальном техническом университете, спецальность Компьютерные науки, 3 курс.

@@tesseract_ о, круто! я как раз программированию обучаюсь сам, начал год назад. совмещаю с учебой в вузе, но иногда бывает тяжело. такие видео, как твои, дают мне мотивацию не откладывать мое обучение на дальнюю полку, а продолжать пробовать что то интересное и новое, развиваться и решать задачки)

@@l1nkerz_flafy945 Очень понимаю) Сложно найти время сделать видео, но как-то пытаюсь. Успехов во всём :)

@@tsvigo11_70 Я надеюсь вы это не серьезно…

а как это мешает?

@@sergwest585 , а так что это вызывает непредсказуемые ошибки потому что они при округлении ведут себя неопределённо. И если в генерации изображений да и хрен то с ним посмотри сейчас Flux лежит то в серьёзных приложениях типа роботов или архитектуры-машиностроения это нельзя.

@@tsvigo11_70 про округление хз. Вроде очень даже определено. мантиса сдвигается на экспоненту вправо как и во всех языках (c, java, js, c#). И в этом мире много чего лежит, нампример последний апдейт clang'а. Это же не причина ставить крест на C'ях (тем более не понял при чём тут плавующие точки). Питон в этих областях очень даже предсказуемый (тяжёлый, но предсказуемый)

@@sergwest585 , найди статью Юровицкого "IEEE754-тика угрожает человечеству". C++ программы выполняются сами по себе то есть за них отвечают те программисты которые их написали а Python это язык сценариев которые выполняет интерпретатор. Если ты мне не веришь почитай рекомендации по программированию ядра Линукс там не рекомендуют числа с плавающей запятой использовать.

@@hobbyrussia Попробуй поменять и узнаешь)

@@ForseNight Там наверняка каптчи посложнее, и вероятно стоит какая-нибудь защита от автоматизации.

@@tarkhidden Это может показаться банальным, но сразу отвечаю насчет автомобильных номеров: я бы посмотрел есть ли уже существующие модели))) И дело не в том правиле, что лучше всего тот код, что не нужно писать самому. А дело в том, что тут нет никакого правила, что бы сказало вам какие конкретно слои вам нужны. Все подбираеться эксперементально. Все нейронные сети создавались одинаково: выбирались слои, что казались найболее подходящими; обучение, тесты, выбор других слоев, обучение, тесты, сравнение. Зацикловуем это - бам, в какой-то момент мы поймем, что даст лучший результат) Почему же никто не показывает подбор слоев? - Думаю ответ уже ясен.

думаю тебе лучше начать с чего нибудь по легче, допустим распознавание рукописных цифр с помощью mlp(многослойного персептрона). изучив так сказать базу, можно будет начать изучать более сложные архитектуры. искать инфу можно в ютубе и хабре.

@@tesseract_ короче, поможет только опыт) Жаль, жаль, я думал, есть какой-то универсальный рецепт, но даже теоретические знания про все слои не дают подсказок, какие из них как и когда применить. Спасибо за ответ)

@@Gribb-ai наверное, так и есть)

@@tarkhidden если хочешь могу помочь 🤷‍♂️

@@zak_47 Спасибо. Извини, не могу посоветовать. Сам разбирался по видео, статьях в интернете. Еще классный метод - поиск в репозиториях гитхаб, там иногда такое можно найти) Несомненно есть прям какие-то суперкрутые курсы, конечно за деньги, но наверняка такие, что ты узнаешь даже самые скрытые детали о нейросетях, но к сожалению я с такими дело не имел.

@@nikolaydd6219 Не спорю) Недавно я узнал о способе покруче для Python, но все равно не Delphi.

@@StartuePotoya Пожалуйста. Честно говорю, я не знаю как это сделать. Это очень сложно. Тут наверняка нужно использовать готовую архитектуру, но врядли даже такое можно найти, поскольку вы входите в область генеративности, где используются машины Больцмана и подобные математические аппараты, с которыми интересно, но страшно сложно. Кроме того на подобном зарабатывают деньги, а значит в свободном доступе врядли получится такое найти. Могу только пожелать успехов 🤷‍♂️

@@StartuePotoya Можно попробывать типо ChatGPT с задаными условиями как ему отвечать, но это можно сделать и на их браузере онлайн. Если же нужно прям приложение, то вам уже нужен их API, что стоит денег.

Это называется файнтюн - когда берется уже обученная универсальная модель и дообучается на узко специализированной задаче. Если уже есть данные для обучения посмотри маленькие модели на huggingface, например Qwen2-7B. Код для файнтюна обычно легко гуглится, проблема лишь найти вычислительные мощности для обучения да датасет составить в требуемом формате =)

Попробуй notebooklm, можно загрузить текстовые источники и уже чатить с ними

@@grozkroz159Спасибо. Я тоже не програмист, я только учусь) Но конечно ИИ ассистент это очень сложно, могу только пожелать успехов.

ага, щас! дохрена вот такого еще осталось... наверное все сайты, которые не используют каптчу Гугла, сидят вот именно на таких картинках... постоянно с такой фигнёй сталкиваюсь...

@@jackiewaltryan я просто в крипте сижу, там нет древних капч

@@jackiewaltryan ложь, эти капчи сильно устарели уже как десять лет. В новых (с которыми вы возможно путаете) добавлен шум, рыбий глаз сильнее и небольшие волны смещения, чтобы как раз нейронка не разбивала буквы по вертик. линиям

Видео прикольное, лайк ставлю. Но заголовок - кликбейт

@@ussuratoncachi Если б не этот заголовок, ты бы не зашел и не посмотрел бы видео, что, как ты сам выразился - прикольное. Меньше всего мне хочется провести целую кучу времени, делая видео, и потом чтобы никто его не посмотрел.