A jelen diplomamunka célja egy öt részre szétágazó konvolúciós neurális hálózatokkal (CNN) rendelkező modell fejlesztése és optimalizálása öt karakteres, színtelen szöveges CAPTCHA tesztek felismerésére. A munka során különböző hiperparaméter-kombinációkat alkalmaztunk, és a rácskereséses keresztvalidáció (GridSearchCV) segítségével meghatároztuk az optimális beállításokat a modell teljesítményének javítása érdekében. A kutatás eredményei azt mutatják, hogy a batch méret (batch size), a különböző rétegekben található neuronszámok (neurons) és a kiesési arány (dropout rate) helyes megállapítása jelentősen hatással van a modellek teljesítményére. Végezetül a különféle szavazási rendszerek vizsgálatával tovább növeltük a modellek pontosságát a teszthalmazon.