Решение капчи нейросетью

1) Тип капч:
-Капчи представляют собой текстовые изображения (пример капчи прилагается).
2)Формат хранения данных:
- Имеется база данных MySQL, в которой сохранены порядка 2.9 миллионов капч и правильных ответов к ним. База данных должна быть использована для обучения модели
3)Технология:
-Предпочтительный язык программирования: Python.
-Ожидается, что решение будет основано на обучении нейронной сети с использованием предоставленного набора данных.
4)Интеграция:
-Разработанная система должна быть доступна через API.
-Вход: изображение капчи (формат JPEG/PNG).
-Выход: текст, соответствующий капче.

5)Производительность:
-Необходимо обеспечить возможность работы в 20 потоков одновременно, с возможностью дальнейшего увеличения числа потоков.
-Система должна быть адаптируема для горизонтального масштабирования.
6)Инфраструктура и развертывание:
-Решение должно быть развернуто в Docker-контейнере. Исполнитель должен предоставить готовый Dockerfile для сборки контейнера, а также инструкцию по развертыванию. Все необходимые зависимости и настройки должны быть включены в Dockerfile для упрощения установки и эксплуатации системы.
7)Документация и тестирование:
-Исполнитель должен предоставить документацию по использованию и настройке системы.
-Необходимо провести тестирование модели на реальных данных и предоставить отчеты о точности и скорости работы.
-Точность (accuracy): доля верно распознанных капч (не менее 90%)
-Среднее время обработки капчи: время от передачи изображения до получения текста (не более 8 сек)
-Процент ошибок (ошибочно распознанные капчи).

Исполнитель может предложить улучшения в архитектуре или подходе к решению задачи, если они помогут повысить точность распознавания или улучшить производительность.