用于纸牌游戏的Tensorflow对象检测神经网络

时间:2018-08-09 22:53:58

标签: python python-2.7 tensorflow image-recognition object-recognition

使用针对Mac / Python 2.7进行了修改的this tutorial,我正在尝试构建一个神经网络来检测名为[https://boardgamegeek.com/boardgame/760/battle-line](Battle Line)的游戏中的纸牌。我是Tensorflow和对象识别的新手。

战线包括60张纸牌,编号1到10,有六种不同的颜色(蓝色,自由,橙色,紫色,红色和黄色)。玩家彼此相对坐着,并在9条车道上有效地玩了3张牌的扑克手(同花顺,同类型3张,同花顺,直牌等)。 重要提示:纸牌彼此重叠,在一条车道上玩,使数字和颜色清晰可见。理想情况下,我希望处理最终游戏区域的图像并找出每张纸牌中的最佳手确定哪个玩家获胜的通道。

我正处于数据收集阶段,希望为选择测试/训练数据对象时,针对哪种图像和边界框评估最佳方法。由于有60个独特的卡片(类),因此我认为需要大量数据来收集足够的示例。我考虑过的选项:

  • 使用LabelImg为每张卡创建边界框,以捕获整张卡
  • 对于每张卡,仅捕获卡的顶部和底部
  • 对于每张卡,仅捕获卡的顶部和底部
    • 本教程提到边界框必须至少为33像素宽。 Tensorflow是否可以使用较小的容器,还是不是最佳实践?
  • 与上述3种方法相同,但每个数字仅专注于10个类别,而不是60个
    • 事后可以发现颜色吗?
  • 捕获不同的手示例以及可能的手中每张卡的编号,然后检测颜色

我已经尝试过使用有限的测试/培训集来运行Tensorflow,但效果不佳,所以我拍了很多照片。现在是标记的过程了,是的...有人对好的方法有建议吗?我应该考虑其他吗?

谢谢您的建议!

0 个答案:

没有答案