🤖 nantibot-captcha

⚡ Lightweight CRNN + BiLSTM + CTC solver for 5-digit image captchas (grayscale, overlapping wavy digits).

⚡ Solver leve CRNN + BiLSTM + CTC para captchas de imagem de 5 dígitos (tons de cinza, dígitos ondulados sobrepostos).

---

🧠 Model details / Detalhes do modelo

EN: CNN 1→16→32→64 + BiLSTM (hidden=64, 1 layer, bidirectional) + linear → 11 classes (CTC blank = 0). Input: grayscale, resized to 32×128, normalized to [-1, 1] (mean=0.5, std=0.5). Labels: digit indices shifted by +1 (blank reserved at 0). Greedy CTC decoding. Trainable params: 189,803. Checkpoint: captcha_model.pth (plain PyTorch state_dict, ~752 KB). Inference code: model.py (architecture + transforms + decode), predict_captcha.py (CLI + CaptchaPredictor class).

PT: CNN 1→16→32→64 + BiLSTM (hidden=64, 1 camada, bidirecional) + linear → 11 classes (branco CTC = 0). Entrada: tons de cinza, redimensionada para 32×128, normalizada para [-1, 1] (mean=0.5, std=0.5). Rótulos: índices dos dígitos deslocados em +1 (branco reservado no 0). Decodificação CTC gulosa. Parâmetros treináveis: 189.803. Checkpoint: captcha_model.pth (state_dict PyTorch puro, ~752 KB). Código de inferência: model.py (arquitetura + transforms + decode), predict_captcha.py (CLI + classe CaptchaPredictor).

🗂️ Training data / Dados de treino

EN: 715 labeled 5-digit captcha images (from 721 manual labels, 6 skipped as unreadable). Split (seed 42): 607 train / 108 validation (test_size=0.15). Source images are 128×128 RGBA, converted to grayscale and resized at load time. Training: CTCLoss, Adam (lr=1e-3, weight-decay=1e-4), batch 32, mild affine augmentation (translate ±3%, scale 0.97–1.03), early stopping on validation sequence accuracy (patience 30). The training script is intentionally not shipped here — inference only.

PT: 715 imagens rotuladas de captcha de 5 dígitos (de 721 rótulos manuais, 6 descartados como ilegíveis). Divisão (seed 42): 607 treino / 108 validação (test_size=0.15). Imagens originais 128×128 RGBA, convertidas para cinza e redimensionadas no carregamento. Treino: CTCLoss, Adam (lr=1e-3, weight-decay=1e-4), batch 32, aumento afim leve (translate ±3%, scale 0.97–1.03), parada antecipada pela acurácia de sequência na validação (paciência 30). O script de treino não acompanha este pacote de propósito — somente inferência.

📈 Metrics / Métricas

EN: 🎯 Validation exact-match sequence accuracy: 84.3% (91/108, best checkpoint). Train accuracy at stop: ~98–99% (expected overfit on 607 samples). No test set beyond the validation split; the tables below are the honest held-out evidence.

PT: 🎯 Acurácia de sequência (acerto exato) na validação: 84,3% (91/108, melhor checkpoint). Acurácia de treino ao parar: ~98–99% (overfit esperado em 607 amostras). Sem conjunto de teste além da divisão de validação; as tabelas abaixo são a evidência honesta em dados retidos.

🧪 Real inference experiments / Experimentos reais de inferência

EN: 🔍 Decoding is greedy CTC, exact string match. Validation slice (seed-42 split, first 12):

PT: 🔍 Decodificação CTC gulosa, comparação exata de string. Fatia da validação (divisão seed-42, 12 primeiras):

EN: 👁️ Truly unlabeled pool (157 collected captchas with no manual label, never used in training). Manual visual audit of the first 12:

PT: 👁️ Conjunto nunca rotulado (157 captchas coletados sem rótulo manual, nunca usados no treino). Auditoria visual manual dos 12 primeiros:

EN: ✅ 8/12 exact on never-seen, never-labeled images; failures are typical greedy-CTC modes (single-digit confusion, collapsed repeats like 11→1, dropped edge digits).

PT: ✅ 8/12 exatos em imagens nunca vistas e nunca rotuladas; as falhas são modos típicos do CTC guloso (confusão de um dígito, repetições colapsadas como 11→1, dígitos de borda perdidos).

🚀 Usage / Uso

pip install -r requirements.txt

# 🖼️ single image / imagem única
python predict_captcha.py --model captcha_model.pth --image captcha.png

# 📁 directory / diretório
python predict_captcha.py --model captcha_model.pth --dir ./captchas --limit 20

As a library / Como biblioteca 📚:

from predict_captcha import CaptchaPredictor

clf = CaptchaPredictor("captcha_model.pth")  # device auto: cuda if available else cpu
print(clf.predict("captcha.png"))
print(clf.predict_batch(["a.png", "b.png"]))

⚠️ Limitations / Limitações

EN:

• Fixed domain: one captcha style (overlapping wavy digits, ~5 chars). Other styles/fonts/backgrounds will degrade.
• Greedy CTC only: repeated adjacent digits (11, 00) can collapse; no beam search / language model.
• Length is not enforced: outputs can be 4–7 chars on hard samples (see table above).
• ~84% exact-match on held-out data — single-digit errors are the common case, not full garbage.
• 🏢 Model developed by Confia Company for Mineflayer bots operating on Minecraft servers protected by the nAntiBot plugin.

PT:

• Domínio fixo: um estilo de captcha (dígitos ondulados sobrepostos, ~5 caracteres). Outros estilos/fontes/fundos degradam.
• Só CTC guloso: dígitos adjacentes repetidos (11, 00) podem colapsar; sem beam search / modelo de linguagem.
• Comprimento não é forçado: saídas podem ter 4–7 caracteres em amostras difíceis (ver tabela acima).
• ~84% de acerto exato em dados retidos — o caso comum é erro de um dígito, não lixo completo.
• 🏢 Modelo desenvolvido pela Confia Company para bots Mineflayer usados em servidores de Minecraft com o plugin nAntiBot.