Expand 3D captcha into three subtypes: 3d_text, 3d_rotate, 3d_slider

Split the single "3d" captcha type into three independent expert models:
- 3d_text: 3D perspective text OCR (renamed from old "3d", CTC-based ThreeDCNN)
- 3d_rotate: rotation angle regression (new RegressionCNN, circular loss)
- 3d_slider: slider offset regression (new RegressionCNN, SmoothL1 loss)

CAPTCHA_TYPES expanded from 3 to 5 classes. Classifier samples updated
to 50000 (10000 per class). New generators, model, dataset, training
utilities, and full pipeline/export/CLI support for all subtypes.

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

CLAUDE.md

@@ -24,29 +24,40 @@ captcha-breaker/
 │   ├── synthetic/               # 合成训练数据 (自动生成，不入 git)
 │   │   ├── normal/              # 普通字符型
 │   │   ├── math/                # 算式型
-│   │   └── 3d/                  # 3D立体型
+│   │   ├── 3d_text/             # 3D立体文字型
+│   │   ├── 3d_rotate/           # 3D旋转型
+│   │   └── 3d_slider/           # 3D滑块型
 │   ├── real/                    # 真实验证码样本 (手动标注)
 │   │   ├── normal/
 │   │   ├── math/
-│   │   └── 3d/
+│   │   ├── 3d_text/
+│   │   ├── 3d_rotate/
+│   │   └── 3d_slider/
 │   └── classifier/              # 调度分类器训练数据 (混合各类型)
 ├── generators/
 │   ├── __init__.py
 │   ├── base.py                  # 生成器基类
 │   ├── normal_gen.py            # 普通字符验证码生成器
 │   ├── math_gen.py              # 算式验证码生成器 (如 3+8=?)
-│   └── threed_gen.py            # 3D立体验证码生成器
+│   ├── threed_gen.py            # 3D立体文字验证码生成器
+│   ├── threed_rotate_gen.py     # 3D旋转验证码生成器
+│   └── threed_slider_gen.py     # 3D滑块验证码生成器
 ├── models/
 │   ├── __init__.py
 │   ├── lite_crnn.py             # 轻量 CRNN (用于普通字符和算式)
 │   ├── classifier.py            # 调度分类模型
-│   └── threed_cnn.py            # 3D验证码专用模型 (更深的CNN)
+│   ├── threed_cnn.py            # 3D文字验证码专用模型 (更深的CNN)
+│   └── regression_cnn.py        # 回归CNN (3D旋转+滑块, ~1MB)
 ├── training/
 │   ├── __init__.py
 │   ├── train_classifier.py      # 训练调度模型
 │   ├── train_normal.py          # 训练普通字符识别
 │   ├── train_math.py            # 训练算式识别
-│   ├── train_3d.py              # 训练3D识别
+│   ├── train_3d_text.py         # 训练3D文字识别
+│   ├── train_3d_rotate.py       # 训练3D旋转回归
+│   ├── train_3d_slider.py       # 训练3D滑块回归
+│   ├── train_utils.py           # CTC 训练通用逻辑
+│   ├── train_regression_utils.py # 回归训练通用逻辑
 │   └── dataset.py               # 通用 Dataset 类
 ├── inference/
 │   ├── __init__.py
@@ -57,12 +68,16 @@ captcha-breaker/
 │   ├── classifier.pth
 │   ├── normal.pth
 │   ├── math.pth
-│   └── threed.pth
+│   ├── threed_text.pth
+│   ├── threed_rotate.pth
+│   └── threed_slider.pth
 ├── onnx_models/                 # 导出的 ONNX 模型
 │   ├── classifier.onnx
 │   ├── normal.onnx
 │   ├── math.onnx
-│   └── threed.onnx
+│   ├── threed_text.onnx
+│   ├── threed_rotate.onnx
+│   └── threed_slider.onnx
 ├── server.py                    # FastAPI 推理服务 (可选)
 ├── cli.py                       # 命令行入口
 └── tests/
@@ -78,13 +93,13 @@ captcha-breaker/
 ```
 输入图片 → 预处理 → 调度分类器 → 路由到专家模型 → 后处理 → 输出结果
                          │
-                ┌────────┼────────┐
-                ▼        ▼        ▼
-            normal     math      3d
-            (CRNN)    (CRNN)   (CNN)
-                │        │        │
-                ▼        ▼        ▼
-             "A3B8"  "3+8=?"→11  "X9K2"
+            ┌────────┬───┼───────┬──────────┐
+            ▼        ▼   ▼       ▼          ▼
+         normal    math  3d_text  3d_rotate  3d_slider
+         (CRNN)   (CRNN) (CNN)   (RegCNN)   (RegCNN)
+            │        │     │       │          │
+            ▼        ▼     ▼       ▼          ▼
+         "A3B8" "3+8=?"→11 "X9K2"  "135"      "87"
 ```
 
 ### 调度分类器 (classifier.py)
@@ -102,7 +117,7 @@ class CaptchaClassifier(nn.Module):
     轻量分类器，几层卷积即可区分不同类型验证码。
     不同类型验证码视觉差异大（有无运算符、3D效果等），分类很容易。
     """
-    def __init__(self, num_types=3):
+    def __init__(self, num_types=5):
         # 4层卷积 + GAP + FC
         # Conv2d(1,16) -> Conv2d(16,32) -> Conv2d(32,64) -> Conv2d(64,64)
         # AdaptiveAvgPool2d(1) -> Linear(64, num_types)
@@ -142,14 +157,32 @@ def eval_captcha_math(expr: str) -> str:
     pass
 ```
 
-### 3D立体识别专家 (threed_cnn.py)
+### 3D立体文字识别专家 (threed_cnn.py)
 
-- 任务: 识别带 3D 透视/阴影效果的验证码
+- 任务: 识别带 3D 透视/阴影效果的文字验证码
 - 架构: 更深的 CNN + CRNN，或 ResNet-lite backbone
 - 输入: 灰度图 1x60x160
 - 需要更强的特征提取能力来处理透视变形和阴影
 - 模型体积目标: < 5MB
 
+### 3D旋转识别专家 (regression_cnn.py - 3d_rotate 模式)
+
+- 任务: 预测旋转验证码的正确旋转角度
+- 架构: 轻量回归 CNN (4层卷积 + GAP + FC + Sigmoid)
+- 输入: 灰度图 1x80x80
+- 输出: [0,1] sigmoid 值，按 (0, 360) 缩放回角度
+- 标签范围: 0-359°
+- 模型体积目标: ~1MB
+
+### 3D滑块识别专家 (regression_cnn.py - 3d_slider 模式)
+
+- 任务: 预测滑块拼图缺口的 x 偏移
+- 架构: 同上回归 CNN，不同输入尺寸
+- 输入: 灰度图 1x80x240
+- 输出: [0,1] sigmoid 值，按 (10, 200) 缩放回像素偏移
+- 标签范围: 10-200px
+- 模型体积目标: ~1MB
+
 ## 数据生成器规范
 
 ### 基类 (base.py)
@@ -185,13 +218,26 @@ class BaseCaptchaGenerator:
 - 标签格式: `3+8` (存储算式本身，不存结果)
 - 视觉风格: 与目标算式验证码一致
 
-### 3D生成器 (threed_gen.py)
+### 3D文字生成器 (threed_gen.py)
 
 - 使用 Pillow 的仿射变换模拟 3D 透视
 - 添加阴影效果
 - 字符有深度感和倾斜
+- 字符旋转角度由 `config.py` `GENERATE_CONFIG["3d_text"]["rotation_range"]` 统一配置
 - 标签: 纯字符内容
 
+### 3D旋转生成器 (threed_rotate_gen.py)
+
+- 圆盘上绘制字符 + 方向标记，随机旋转 0-359°
+- 标签 = 旋转角度（整数字符串）
+- 文件名格式: `{angle}_{index:06d}.png`
+
+### 3D滑块生成器 (threed_slider_gen.py)
+
+- 纹理背景 + 拼图缺口 + 拼图块在左侧
+- 标签 = 缺口 x 坐标偏移（整数字符串）
+- 文件名格式: `{offset}_{index:06d}.png`
+
 ## 训练规范
 
 ### 通用训练配置
@@ -204,7 +250,7 @@ TRAIN_CONFIG = {
         'batch_size': 128,
         'lr': 1e-3,
         'scheduler': 'cosine',
-        'synthetic_samples': 30000,  # 每类 10000
+        'synthetic_samples': 50000,  # 每类 10000 × 5 类
     },
     'normal': {
         'epochs': 50,
@@ -222,7 +268,7 @@ TRAIN_CONFIG = {
         'synthetic_samples': 60000,
         'loss': 'CTCLoss',
     },
-    'threed': {
+    '3d_text': {
         'epochs': 80,
         'batch_size': 64,
         'lr': 5e-4,
@@ -230,18 +276,36 @@ TRAIN_CONFIG = {
         'synthetic_samples': 80000,
         'loss': 'CTCLoss',
     },
+    '3d_rotate': {
+        'epochs': 60,
+        'batch_size': 128,
+        'lr': 1e-3,
+        'scheduler': 'cosine',
+        'synthetic_samples': 60000,
+        'loss': 'SmoothL1',
+    },
+    '3d_slider': {
+        'epochs': 60,
+        'batch_size': 128,
+        'lr': 1e-3,
+        'scheduler': 'cosine',
+        'synthetic_samples': 60000,
+        'loss': 'SmoothL1',
+    },
 }
 ```
 
 ### 训练脚本要求
 
 每个训练脚本必须:
-1. 检查合成数据是否已生成，没有则自动调用生成器
-2. 支持混合真实数据 (如果 data/real/{type}/ 有文件)
-3. 使用数据增强: RandomAffine, ColorJitter, GaussianBlur, RandomErasing
-4. 输出训练日志: epoch, loss, 整体准确率, 字符级准确率
-5. 保存最佳模型到 checkpoints/
-6. 训练结束自动导出 ONNX 到 onnx_models/
+1. 训练开始前设置全局随机种子 (random/numpy/torch)，使用 `config.RANDOM_SEED`，保证可复现
+2. 检查合成数据是否已生成，没有则自动调用生成器
+3. 支持混合真实数据 (如果 data/real/{type}/ 有文件)
+4. 使用数据增强: RandomAffine, ColorJitter, GaussianBlur, RandomErasing
+5. 输出训练日志: epoch, loss, 整体准确率, 字符级准确率 (CTC) 或 MAE, 容差准确率 (回归)
+6. 保存最佳模型到 checkpoints/
+7. 训练结束自动导出 ONNX 到 onnx_models/
+8. DataLoader 统一使用 `num_workers=0` 避免多进程兼容问题
 
 ### 数据增强策略
 
@@ -281,14 +345,14 @@ class CaptchaPipeline:
         pass
 
     def classify(self, image: Image.Image) -> str:
-        """调度分类，返回类型名: 'normal' / 'math' / '3d'"""
+        """调度分类，返回类型名: 'normal' / 'math' / '3d_text' / '3d_rotate' / '3d_slider'"""
         pass
 
     def solve(self, image) -> str:
         """
         完整识别流程:
         1. 分类验证码类型
-        2. 路由到对应专家模型
+        2. 路由到对应专家模型 (CTC 或回归)
         3. 后处理 (算式型需要计算结果)
         4. 返回最终答案字符串
         
@@ -311,7 +375,7 @@ def export_model(model, model_name, input_shape, onnx_dir='onnx_models/'):
     pass
 
 def export_all():
-    """依次导出 classifier, normal, math, threed 四个模型"""
+    """依次导出 classifier, normal, math, threed_text, threed_rotate, threed_slider 六个模型"""
     pass
 ```
 
@@ -325,23 +389,29 @@ uv sync --extra server           # 含 HTTP 服务依赖
 # 生成训练数据
 uv run python cli.py generate --type normal --num 60000
 uv run python cli.py generate --type math --num 60000
-uv run python cli.py generate --type 3d --num 80000
-uv run python cli.py generate --type classifier --num 30000
+uv run python cli.py generate --type 3d_text --num 80000
+uv run python cli.py generate --type 3d_rotate --num 60000
+uv run python cli.py generate --type 3d_slider --num 60000
+uv run python cli.py generate --type classifier --num 50000
 
 # 训练模型
 uv run python cli.py train --model classifier
 uv run python cli.py train --model normal
 uv run python cli.py train --model math
-uv run python cli.py train --model 3d
+uv run python cli.py train --model 3d_text
+uv run python cli.py train --model 3d_rotate
+uv run python cli.py train --model 3d_slider
 uv run python cli.py train --all    # 按依赖顺序全部训练
 
 # 导出 ONNX
 uv run python cli.py export --all
+uv run python cli.py export --model 3d_text     # "3d_text" 自动映射为 "threed_text"
 
 # 推理
-uv run python cli.py predict image.png                 # 自动分类+识别
-uv run python cli.py predict image.png --type normal    # 跳过分类直接识别
-uv run python cli.py predict-dir ./test_images/         # 批量识别
+uv run python cli.py predict image.png                    # 自动分类+识别
+uv run python cli.py predict image.png --type normal       # 跳过分类直接识别
+uv run python cli.py predict image.png --type 3d_rotate    # 指定为旋转类型
+uv run python cli.py predict-dir ./test_images/            # 批量识别
 
 # 启动 HTTP 服务 (需先安装 server 可选依赖)
 uv run python cli.py serve --port 8080
@@ -360,11 +430,12 @@ uv run python cli.py serve --port 8080
 
 1. **所有模型用 float32 训练，导出 ONNX 时不做量化**，先保证精度
 2. **CTC 解码统一用贪心解码**，不需要 beam search，验证码场景贪心够用
-3. **字符集由 config.py 统一定义**: 当前 normal 保留易混淆字符，3d 继续使用去混淆字符集
+3. **字符集由 config.py 统一定义**: 当前 normal 保留易混淆字符，3d_text 继续使用去混淆字符集
 4. **算式识别分两步**: 先 OCR 识别字符串，再用规则计算，不要让模型直接输出数值
-5. **生成器的随机种子**: 生成数据时设置 seed 保证可复现
+5. **随机种子**: 生成数据和训练时均通过 `config.RANDOM_SEED` 设置全局种子 (random/numpy/torch)，保证可复现
 6. **真实数据文件名格式**: `{label}_{任意}.png`，label 部分是标注内容
-7. **模型保存格式**: PyTorch checkpoint 包含 model_state_dict, chars, best_acc, epoch
+11. **数据集字符过滤**: `CRNNDataset` 加载标签时，若发现字符不在字符集内会发出 warning，便于排查标注/字符集不匹配问题
+7. **模型保存格式**: CTC checkpoint 包含 model_state_dict, chars, best_acc, epoch; 回归 checkpoint 包含 model_state_dict, label_range, best_mae, best_tol_acc, epoch
 8. **不使用 GPU 特有功能**，确保 CPU 也能训练和推理 (只是慢一些)
 9. **类型扩展**: 新增验证码类型时，只需 (1) 加生成器 (2) 加专家模型 (3) 调度器加一个类别重新训练
 10. **文档同步**: 对项目结构、配置、架构等做出变更时，必须同步更新 CLAUDE.md 中的对应内容，保持文档与代码一致
@@ -373,18 +444,20 @@ uv run python cli.py serve --port 8080
 
 | 模型 | 准确率目标 | 推理延迟 | 模型体积 |
 |------|-----------|---------|---------|
-| 调度分类器 | > 99% | < 5ms | < 500KB |
+| 调度分类器 (5类) | > 99% | < 5ms | < 500KB |
 | 普通字符 | > 95% | < 30ms | < 2MB |
 | 算式识别 | > 93% | < 30ms | < 2MB |
-| 3D立体 | > 85% | < 50ms | < 5MB |
-| 全流水线 | - | < 80ms | < 10MB 总计 |
+| 3D立体文字 | > 85% | < 50ms | < 5MB |
+| 3D旋转 (±5°) | > 85% | < 30ms | ~1MB |
+| 3D滑块 (±3px) | > 90% | < 30ms | ~1MB |
+| 全流水线 | - | < 80ms | < 12MB 总计 |
 
 ## 开发顺序
 
 1. 先实现 config.py 和 generators/
 2. 实现 models/ 中所有模型定义
 3. 实现 training/dataset.py 通用数据集类
-4. 按顺序训练: normal → math → 3d → classifier
+4. 按顺序训练: normal → math → 3d_text → 3d_rotate → 3d_slider → classifier
 5. 实现 inference/pipeline.py 和 export_onnx.py
 6. 实现 cli.py 统一入口
 7. 可选: server.py HTTP 服务