wechat_jump_tensorflow

Deep Learning – WeChat Tiaotiao

Aktualisiert am 14.01.2018

simple.js wurde dem simple -Verzeichnis hinzugefügt. Die Idee ist die gleiche wie JavaScript simple.py . Installieren Sie einfach Auto.js auf Android und führen Sie das Skript direkt aus Mobiltelefon, ohne an einen Computer angeschlossen zu sein.

Aktualisiert am 05.01.2018

Die mit Anmerkungen versehenen Daten wurden auf 1200 Bilder erhöht und mit dem genaueren Modell faster_rcnn_inception_v2_coco neu trainiert.

Projekteinführung

Zhihu-Artikel: https://zhuanlan.zhihu.com/p/32553763

Vielen Dank an Chao und Fendudou für ihren Beitrag zur Kennzeichnung von Daten.

Erforderliche Umgebung

• Python3.6 , OpenCV2 , TensorFlow usw.
• adb wird zum Debuggen von Android-Telefonen verwendet. Weitere Informationen finden Sie unter https://github.com/wangshub/wechat_jump_game

Einführung in das Dokument

simple.py im simple Verzeichnis verwendet OpenCV2 um die Positionen von Schachfiguren und Zielblöcken zu erkennen. simple_ios.py ist die entsprechende IOS-Version.

Das tensorflow -Verzeichnis enthält die folgenden Dateien:

• wechat_jump_label_map.pbtxt : Objektkategorie-Zuordnungsdatei;
• utils : Dateien, die Hilfsfunktionen bereitstellen;
• frozen_inference_graph_frcnn_inception_v2_coco.pb : trainiertes Objekterkennungsmodell mit insgesamt 1200 annotierten Daten, trainiert mit faster_rcnn_inception_v2_coco ;
• wechat_auto_jump.py : Code zum automatischen Springen

label.zip bietet Beschriftungstools. Verwenden Sie labelImg zur Objekterkennung und -beschriftung. Informationen zu den Verwendungsmethoden finden Sie in der物体检测标注说明.pdf