
Ethan Collins
Pattern Recognition Specialist

reCAPTCHAで苦労しているのは自分だけだと思ったことはありませんか?それを解決しましょう!
皆さん経験したことがあるでしょう - ウェブサイトにログインしたり、フォームを送信しようとしたりすると、突然、ぼやけた画像のグリッドの中で「信号を見つける」ゲームをすることになります。これがreCAPTCHA、人間とボットを区別するために設計されたGoogleのセキュリティシステムです。しかし、Googleに対して人間のように見える必要があるタスクを自動化する必要がある場合はどうでしょうか?
reCAPTCHAグリッド画像方式は、reCAPTCHA v2(「私はロボットではありません」チェックボックス)で使用されるチャレンジメカニズムであり、ユーザーに画像グリッド内の特定のオブジェクトやパターンを識別させることで、人間のインタラクションを確認します。仕組みは以下のとおりです。
グリッド画像方式の主要な構成要素:
チャレンジプロンプト:
ユーザーには、テキストによる指示が表示されます(例:「信号機が含まれているすべての四角形を選択してください」または「ボートのある画像をクリックしてください」)。
画像グリッド:
3x3(または同様のサイズ)のセグメント化された画像グリッドが表示されます。各タイルには、ターゲットオブジェクトの一部、背景ノイズ、または関連のないコンテンツが含まれている場合があります。
ユーザーインタラクション:
ユーザーは、プロンプトに一致するすべてのタイルをクリックする必要があります。複数ステップのチャレンジの場合、最初の選択後に追加のグリッドが表示される場合があります。
検証:
Googleのシステムは、ユーザーの選択を分析して、予想される人間らしい認識パターンに合致するかどうかを判断し、ボットと人間を区別します。
reCAPTCHA認識の中核には、主に2つのステップがあります。

「自転車の画像をすべて選択してください」- すべてのインターネットユーザーの悩みの種
Capsolverはこれらの課題に取り組むための主要なツールの一つです。
ReCaptchaV2Classification - reCAPTCHA v2グリッド画像用
このタスクタイプは、提供された画像グリッドと関連するテキストプロンプトを分析し、Capsolverがチャレンジを正常に解決するために選択する必要がある特定の画像を正確に決定して返すように設計されています。
動作させるために知っておく必要があるのは次のとおりです。
| パラメータ | 機能 |
|---|---|
type |
解決するチャレンジタイプを指定します。画像を持つ唯一のタイプであるため、V2のみです |
imageBody |
分析する必要がある実際の画像データ(base64エンコード) |
question |
チャレンジの質問(例:「オートバイのある画像を選択してください」) |
リクエストを準備する
{
"type": "ReCaptchaV2Classification",
"imageBody": "base64_encoded_image_string",
"question": "オートバイが含まれている画像をそれぞれクリックしてください"
}
回答を取得する
Capsolverは正しい画像の座標を返します。
{
"solution": {
"coordinates": [[12, 15], [120, 85], ...]
}
}
クリックを自動化する
これらの座標を使用して、人間らしいクリックをシミュレートする
| 従来の方法 | Capsolverのアプローチ | |
|---|---|---|
| 速度 | 2~15秒 | 即時認識 |
| 精度 | 60~80% | 95%以上 |
| 人間の検証 | あり | なし |
| 費用効率 | 高い | 低い |
Python例
import base64
with open("image.jpg", "rb") as image_file:
encoded_string = base64.b64encode(image_file.read()).decode("utf-8")
NodeJS例
const fs = require('fs/promises');
const path = require('path');
async function convertImageToBase64() {
try {
const filePath = path.join(__dirname, 'image.jpg');
const imageBuffer = await fs.readFile(filePath); // 非同期読み込み
const base64Image = imageBuffer.toString('base64');
return base64Image; // 必要に応じて使用する
} catch (error) {
console.error('Error:', error.message);
throw error; // 呼び出し元コードで処理するために再スローする
}
}
// 使用例
convertImageToBase64()
.then(base64 => console.log('Conversion successful!'))
.catch(err => console.error('Failed:', err.message));
Golang例
package main
import (
"encoding/base64"
"fmt"
"io/ioutil"
"os"
)
func main() {
// 画像ファイルを読み込む
filePath := "image.jpg"
data, err := os.ReadFile(filePath)
if err != nil {
fmt.Printf("Error reading file: %v\n", err)
return
}
// Base64にエンコードする
encoded := base64.StdEncoding.EncodeToString(data)
// エンコードされた文字列を使用する(例:先頭の100文字を出力する)
fmt.Printf("Base64: %s...\n", encoded[:100])
}
questionパラメータがチャレンジプロンプトと完全に一致することを再確認してください。これは正確な結果を得るために非常に重要です。 {
"/m/0pg52": "タクシー",
"/m/01bjv": "バス",
"/m/02yvhj": "スクールバス",
"/m/04_sv": "オートバイ",
"/m/013xlm": "トラクター",
"/m/01jk_4": "煙突",
"/m/014xcs": "横断歩道",
"/m/015qff": "信号",
"/m/0199g": "自転車",
"/m/015qbp": "パーキングメーター",
"/m/0k4j": "車",
"/m/015kr": "橋",
"/m/019jd": "ボート",
"/m/0cdl1": "ヤシの木",
"/m/09d_r": "山や丘",
"/m/01pns0": "消火栓",
"/m/01lynh": "階段"
}
# 人間らしいばらつきのあるクリックシミュレーションの例
import random
def human_click(x, y):
x_variance = x + random.randint(-2, 2)
y_variance = y + random.randint(-2, 2)
slight_delay = random.uniform(0.1, 0.3)
move_mouse(x_variance, y_variance, slight_delay)
CapSolverブラウザ拡張機能は、reCAPTCHA v2画像グリッド認識を含むCAPTCHAチャレンジを、比類のない速度と精度でシームレスに解決するように設計された最先端のソリューションです。高度なAIとコンピュータービジョンアルゴリズムを活用することで、手動による介入やコーディングの専門知識を必要とせずに、ブラウザ内で直接CAPTCHAの解決を自動化します。
CapsolverのAPIを使い始めることで、今日からCAPTCHAの悩みから解放されましょう!
CapSolverとn8nを使用してeCAPTCHA v2/v3ソルバーAPIを構築します。トークンの自動取得、ウェブサイトへの送信、保護されたデータの抽出をノーコードで自動化する方法を学びます。

画像パズルを解く最高のAIを発見してください。CapSolverのVision EngineとImageToText APIが、高い精度で複雑な視覚的課題を自動化する方法を学びましょう。
