做了一个Serverless的仿discuz验证码识别器

在 Cloudflare Worker 中部署，纯原生 JavaScript 手写实现 2D 卷积、池化以及图像协议解码，最终将 AI 识别任务压缩到了极致的 ~ 400KB(FP32) 和 ~ 100KB(INT8)，且做到 0 依赖运行。可以识别 类discuz 的 BMP、PNG、GIF 的简单验证码（过于复杂的码识别能力很差）。

以子之矛，陷子之盾

以子之矛，陷子之盾，何如？

宽度:高度: 自定义文本:

⚠️ 仅限4位合法字符

---

干扰线条🎲 随机✅ 开❌ 关

随机倾斜🎲 随机✅ 开❌ 关

波纹扭曲❌ 关🎲 随机✅ 开

噪点发散❌ 关🎲 随机✅ 开

鲜艳彩色🎲 随机✅ 开❌ 关

尺寸形变🎲 随机✅ 开❌ 关

立体阴影🎲 随机✅ 开❌ 关

等待生成...

生成验证码 机器识别

请先设置参数并生成验证码，然后点击识别测试效果。

核心特性

• 微型模型：基于 MobileNetV3-Small 魔改，加入定制化 1D 序列融合头（OCR Sequence Head），来解决字符粘连与扭曲。
• QAT INT8 量化：使用 PyTorch QNNPACK 引擎进行量化感知训练 (Quantization-Aware Training)，算子融合后导出纯净 .bin 数据，体积 ~ 100KB。
• 手写图像解码引擎：
  • BMP: 这个没啥说的。
  • GIF: 手写 LZW 解码器，并自动抽取延迟最长的一帧。
  • PNG: Web Crypto API 的 DecompressionStream 替代 Zlib，纯手写查表逆滤波（Sub, Up, Average, Paeth）。
• 原生 V8 推理引擎：零第三方库，使用 Float32Array 纯手搓含有 Padding、Stride 和分组卷积（Depthwise）的算子。

API 调用方式

向你的 Worker 发送一个带有图片二进制 Body 的 POST 请求，即可瞬间获得识别结果。

使用 cURL 测试：

1
2
3

curl -X POST https://uncaptcha.psu.monster/?precision=fp32 \
     -H "Content-Type: application/octet-stream" \
     --data-binary "@test_captcha.png"

响应示例：

1

B2X9

性能基准 (Benchmarks)

• 模型体积: ~100 KB (原生 INT8)
• 内存占用 (Cold Start): < 10 MB (包含张量池初始化)
• 推理耗时 (纯 JS 卷积): ~15 - 30 毫秒 (视 Cloudflare 节点 CPU 性能而定)
• 准确率 (Accuracy): 72% ~ 85% (FP32); 30% ~ 70% (INT8)

后日谈

本来模型容量就小，FP32都勉勉强强，就没必要量化了，本来刚好够的拟合任务，一量化之后精度直接跌破天际，微调也不管太多用。后来尝试了带着QAT训练才勉勉强强能够识别了。