Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/Honlan/wechat_jump_tensorflow


https://github.com/Honlan/wechat_jump_tensorflow

object-detection tensorflow wechat

Last synced: 3 months ago
JSON representation

Awesome Lists containing this project

README

        

# 深度学习 - 微信跳一跳

### 2018.01.14更新

`simple`目录下增加了`simple.js`,思路同`simple.py`,使用`JavaScript`编写,在安卓上安装`Auto.js`之后运行该脚本即可,好处是直接在手机上运行,不需要连电脑

### 2018.01.05更新

标注数据增加到1200张图片,并且用更准的`faster_rcnn_inception_v2_coco`模型重新训练了一遍

### 项目介绍

知乎文章:[https://zhuanlan.zhihu.com/p/32553763](https://zhuanlan.zhihu.com/p/32553763)

感谢[Chao](https://github.com/loveu520)、[奋逗逗](https://github.com/liuzhenhui)对于标注数据做出的贡献

### 所需环境

- `Python3.6`、`OpenCV2`、`TensorFlow`等
- `adb`,用于调试安卓手机,参考[https://github.com/wangshub/wechat_jump_game](https://github.com/wangshub/wechat_jump_game)

### 文件介绍

`simple`目录中的`simple.py`使用`OpenCV2`检测棋子和目标块的位置,简单粗暴,`simple_ios.py`是对应的IOS版本

![simple检测结果](imgs/simple检测结果.gif)

`tensorflow`目录包括以下文件:

- `wechat_jump_label_map.pbtxt`:物体类别映射文件;
- `utils`:提供辅助功能的文件;
- `frozen_inference_graph_frcnn_inception_v2_coco.pb`:训练好的物体检测模型,共1200张标注数据,使用`faster_rcnn_inception_v2_coco`训练;
- `wechat_auto_jump.py`:自动跳一跳的代码

![物体检测结果](imgs/物体检测结果.gif)

`label.zip`提供了标注的工具,使用[labelImg](https://github.com/tzutalin/labelImg)进行物体检测标注,使用方法可以参考`物体检测标注说明.pdf`

![labelImg标注示例](imgs/标注示例.png)