项目预览

首页	验证码识别
选课时间	选课志愿
开始选课	选课成功

项目亮点

一键自动选课，只需填写好选课志愿，在选课开始后会自动匹配并提交心仪课程，让你选课快人一步。
余课监控，自动捡漏，如果暂无名额，会自动定期查询是否有新的名额，帮你并第一时间捡漏。
自动识别选课验证码，内置验证码识别 tensorflow 模型，准确率高达 90% 以上。
强大的课程筛选系统，不仅可以指定课程名称，授课教师，还可以筛选上课时间（支持上午、下午、晚自习或指定时间段），上课地点甚至可以精确到 xx 教学楼的 xx 层楼的 xx 教室。
支持设置多个备选志愿，如果目标课程未开课或已满员，则依次尝试剩余备选志愿。

Killer 是我做过的第一个正式 APP，也是我开始自学前端的起点。

Killer 这个名称是指，它就像是一个选课杀手一样，帮你选到自己心仪的课程。

最初这个项目，只是一个相对简陋的 Python 脚本，只有我自己一个人使用。

后来，我喜欢上一位法语系的小姑娘，就想着做一个能在她手机上安装和使用的 APP，帮她也选上想要的课程，然后便有了这个项目。

当时我在自己的公众号上，也向同学们宣传过 Killer。后来不知道是哪位小可爱，因为自己没选上课，向学校教务处举报了它，我也差点被学校教务处请去“喝茶”……

从那以后，Killer 就对外终止维护了。

有趣的是被人举报后，学校教务处破天荒的在原来的选课流程上添加了验证码。

由于验证码过于变态（字符又是扭曲变形，又是加入各种干扰线和噪点），很多同学好不容易进到选课页面，却因为验证码填错，错过了选课的机会，这也为学校教务处招来了一片骂声。

这个变化对于 Killer 本身而言，也是一个致命的打击：原来的选课脚本完全失效了。

后来，我根据选课验证码的一些特征，找到了对应的 Java 验证码生成库和近似参数，批量生成了 20000 张带标签的验证码，然后训练了一个简易的 CNN 模型。

模型结构验证码数据集

模型训练好之后，我又把模型量化成了，适合在移动端部署的 TensorFlow Lite 格式，实现了在端侧离线识别验证码，最终识别率达到了 90% 以上，远高于人类的平均识别准确率。

后来这段验证码识别技术的研究过程，也被作为选题写进了我的本科毕业论文里，算是一段非常有趣的经历。