Airtest使用的图像识别算法识别比较慢解决办法，改变算法的运算顺序或者指定一种算法，提高Airtest图像识别效率

已于 2023-12-12 19:05:15 修改
阅读量631 收藏 7
点赞数 7
文章标签： 服务器
于 2023-12-12 19:05:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_27109535/article/details/134956645
版权

Airtest使用的图像识别算法识别比较慢解决办法，改变算法的运算顺序或者指定一种算法，提高Airtest图像识别效率

调整Airtest图像识别算法的使用顺序

from airtest.core.settings import Settings as ST

# 调整Airtest图像识别算法的使用顺序
ST.CVSTRATEGY = ["mstpl","tpl", "sift","brisk"]

指定一种算法（mstpl算法）


from airtest.core.settings import Settings as ST

# 指定仅使用mstpl算法
ST.CVSTRATEGY = ["mstpl"]
大数据采集及分析
关注
  • 7
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
【课程设计】一种时钟识别算法-报告.doc
06-11
该文档可用于图像处理等课程设计、大作业等场合。如有疑问，可私信博主。 时钟识别，顾名思义：就是根据一张带有钟表的图片识别出钟表上所展示的时间。对于这个问题可把它分为四步处理： 1、 图片预处理 由于一张图片中包含的圆圈和直线的信息量较大，直接进行霍夫处理要浪费大量的运算量，而且也不利于去除各种干扰。于是这里所谓的预处理就是利用canny算法先对原图进行边缘提取，一方面滤掉部分干扰，另一方面将原图转换为边缘图后只剩下主要线条信息，有利于加快处理。实验证明，用此方法有用信息丢失较少，可以采用！ 2、 找表盘 找表盘主要运用霍夫找圆，但是由于一张图里会找出很多圆，因此关键还是滤掉其他有影响的圆！这里采用的方法是找出所有用霍夫找到的圆中半径最大且整个圆都在当前图片中的那个圆作为表盘。实践证明，用这种方法能够较为准确的去除其他圆的影响并准确找到表盘所对应的圆（对了，这里的钟默认为圆形的表盘的指针式钟）。 3、 找指针 4、 指针映射 5、 求时间
Airtest自动化测试——Airtest进阶和图像识别算法（下）
成都汇智动力的博客
03-18 3972
Airtest的图像识别算法 2.1 Airtest图像识别的基本原理 以一个touch的动作为例，分析执行的日志： 在识别图像的过程中，Airtest尝试用了SURFMatching、TemplateMatching和BRISKMatching这几个算法去查找，并且还分别告诉了我们这几个算法的执行结果是什么？ TemplateMatching算法的执行结果里面，有一个’confidence’:0.4586929976940155，这个其实就是算法的可信度；如果算法识别的可信度（也就是confidenc
opencv-LPR传统图像处理算法实现车牌识别-详细步骤-C++源码
11-28
opencv-LPR传统图像处理算法实现车牌识别-详细步骤-C++源码 opencv-LPR传统图像处理算法实现车牌识别-详细步骤-C++源码 代码中车牌识别包含以下两部分内容： 一、车牌定位： 1. 高斯滤波； 2.sobel边缘提取； 3.二值化图像； 4.闭运算； 5.去除小区域； 6.提取轮廓； 7.仿射变换。 二、字符识别 1.提取字符轮廓； 2.识别字符； 【备注】 1、该资源内项目代码都经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可直接用于毕设、课设、作业等。 欢迎下载，沟通交流，互相学习，共同进步！
Airtest自动化测试——Airtest进阶和图像识别算法（上）
成都汇智动力的博客
02-28 2243
Airtest进阶 1.1 提升脚本成功率 我们使用了图像识别的技术在当前游戏画面中查找对应的图片，然而图像识别并不能达到人眼识别的准确度，它只能尽可能地去寻找一个最符合预期的结果。这就经常导致了我们认为不存在的图片，它认为存在，或者我们认为在画面上一眼就能找到的内容，Airtest认为不存在 。 也就是说，图像识别不是万能的！！！它是有 成功率 的，假设一个脚本里有10张图片，每张图片的识别成功率都能达到95%之高，10张图片全部都正确识别的概率也不过60%而已。更何况，有许多图片因为种种原因，识别成.
Airtest图像识别原理
小码农大梦想
12-06 1万+
AirtestIDE 是一个跨平台的UI自动化测试编辑器，适用于游戏和App。 自动化脚本录制、一键回放、报告查看，轻而易举实现自动化测试流程 支持基于图像识别的Airtest框架，适用于所有Android和Windows游戏 支持基于UI控件搜索的Poco框架，适用于Unity3d，Cocos2d与Android App 一句话总结：我们推出了两款基于Python的...
深入探索Airtest图像识别算法
m0_75277660的博客
01-20 927
很多人可能只知道Airtest框架会自动在页面识别图像，那么它到底是如何识别的，用了哪些算法？ 那么小编这边今天从官方文档查阅到的知识点，给大家稍微介绍一下Airtest框架的图像识别算法，这样能够使我们对Airtest图像识别算法有更加清晰认识，同时也能更好的使用好它。
Airtest的图像识别新算法“mstpl”的使用攻略
AirtestProject的博客
09-09 1211
此文章来源于项目官方公众号：“AirtestProject” 版权声明：允许转载，但转载必须保留原链接；请勿用作商业或者非法用途 前言 在Airtest1.2.0版本，我们新增了1个图像识别的算法：mstpl。该算法在一定程度上可以提高我们图像识别的正确率。 另外，mstpl算法还有俩个特有的参数，分别是 scale_step 和 scale_max 。那么今天我们就来聊一聊这俩个参数是如何调节的。 1. 如何调节 scale_step scale_step 用于控制搜索比例步长，它代表匹配时搜索的精细.
AirtestIDE和Airtest环境相关问题FAQ
伤心的辣条
10-31 1813
③ 第三个 Use ADB touch 是 发送adb指令来点击屏幕 ，效果很差，速度也很慢，不建议勾选，只有在 部分无法点击屏幕的特殊安卓设备 上才需要使用（例如智能后视镜、特殊型号的平板等设备上） 正常情况下，手机都可以点击，如果无法被点击（比如小米设备），一般都是因为手机设置有选项漏了打开，特别是小米设备要注意 开启允许模拟点击 的设置。如log所示，我们可以看到环境里面使用了40和39版本，版本冲突导致报错。常见的需要勾选备选参数的设备，MIUI12的小部分型号，部分模拟器，部分特殊安卓设备等。
【iOS自动化测试】第一章：方案调研
Python_BT的博客
08-31 4230
ios自动化测试从0到1
airtest图片类参数与全局设置
氦
04-19 1057
Airtest介绍和脚本入门 - 图片类Template的参数介绍airtest中的大部分api都离不开Template这个图像类，熟悉该类对脚本稳定性有很大的帮助。AirtestIDE录制后的touch在AirtestIDE中截的图，默认会自带3个参数，第一个参数是图片路径（IDE的截图显示相对路径），第二个record_pos记录了截取这张图片时它所在的位置，第三个resolution记录的是截取图片时，当前画面的分辨率。record_pos。
C#图像处理OpenCV开发指南（CVStar，08）-边缘识别之Sobel算法的实例代码
05-14
C#图像处理OpenCV开发指南（CVStar，08）——边缘识别之Sobel算法的实例代码 1 边缘识别Sobel算法 边缘识别的作用也是提取一些特征点（边缘点）。 关于Sobel的文章铺天盖地，就不多价绍了。 1.1 函数原型 void Cv2...
双运算局部方向模式的人脸识别算法
02-23
针对双空间局部方向模式（DSLDP）人脸识别算法只是单一采用作差运算提取特征的问题, 提出一种双运算局部方向模式（DOLDP）的人脸识别方法。首先, 将图像3 pixel×3 pixel邻域像素灰度值与8个Kirsch模板算子卷积, ...
论文研究-快速眼动信息识别算法研究.pdf
07-22
针对目前现有的问题进行了图像匹配原理的研究，设计了适合于眼动信息识别的单眼模板多层匹配算法，并对该算法在常见干扰下进行实验和数据分析，该检测算法运算速度快、准确度较高，作为实时眼动信息识别算法有较高的...
Airtest快问快答，你们想问的这里都有！（第1期）
AirtestProject的博客
01-28 2025
此文章来源于项目官方公众号：“AirtestProject” 版权声明：允许转载，但转载必须保留原链接；请勿用作商业或者非法用途 前言 本期我们给同学们整理了答疑Q群中，26个同学们最容易问到的问题，后续我们还会持续整理更多常见问题帮助大家避坑哒~ 1.如何输入文字？ ① 使用airtest的 text() 接口： touch(输入框) text("文本") ② 使用poco的 set_text() 接口： poco("输入框").click() poco("输入框").set_text("文本") .
​自动化测试框架Airtest详解
software_test010的博客
09-11 491
在软件开发领域，高质量的软件产品离不开严格的测试过程。而自动化测试作为一种高效、准确的测试方法，逐渐成为了开发人员和测试人员的首选。本文将详细介绍一款名为Airtest的自动化测试框架，帮助读者了解它的基本原理、功能特点以及使用方法。
AirTest 基本使用及框架浅剖析——五分钟上手制作游戏辅助
热门推荐
1_bit 的博客
04-25 1万+
简介 Airtest Project 是为编写自动化脚本，达到提升测试效率的一整套解决方案。它可以轻松的扩展到多平台、多引擎上；如基础的 Android和IOS手机应用、App；Windows上的应用等。 学习使用 Airtest Project 很容易，由于 Airtest Project 是基于Python的，只需要会一点基础的 Python 基础知识即可。Airtest Project 需要...
Airtest从入门到掉坑30-39 （完结篇）
王员外的博客
09-09 7883
30、Airtest下的命令行 在AirtestIDE运行脚本时，LOG窗口中会打印运行命令 可以在不开启IDE的情况下，在命令行中使用那条命令来启动测试脚本 "/Applications/AirtestIDE.app/Contents/MacOS/AirtestIDE" runner "/var/folders/yz/xs936j052fn3q3v9mjjbj6s80000gn/T/...
突破瓶颈：提高Airtest截图脚本兼容性的7种新方法
公众号【伤心的辣条】资料领取~
01-29 922
最近在使用Airtest截图脚本时，经常出现图像识别失败等情况，时而识别成功，时而识别失败。于是小编在官方文档中查阅到了提高截图脚本的兼容性方法，故分享给大家~
【问题实操】银河高级服务器操作系统实例分享，某信息系统服务器宕机处理
最新发布
银河麒麟操作系统的博客
05-17 1003
【问题实操】银河高级服务器操作系统实例分享，某信息系统服务器宕机处理。
图像识别的bnn算法
10-11
BNN（Binary Neural Network）是一种特殊的神经网络结构，主要用于图像识别任务。与传统的神经网络不同，BNN使用二进制值（-1和1）来表示神经元的激活状态，这样可以大大减少神经网络中的参数量，从而节省计算资源并提高运行速度。 BNN的核心思想是将实数权重转化为二进制权重。在训练阶段，通过使用二值化函数将实数权重转换为-1和1，并使用二值化后的权重进行前向传播和反向传播。在推理阶段，可以直接使用二进制权重进行计算，从而实现高效的推理。 BNN的优势在于其高效性和节省资源的特点。由于二进制权重的使用，BNN可以极大地减少网络中的参数数量，从而减少了存储空间和计算量。此外，二进制运算通常可以被硬件加速器高效执行，从而进一步提高了BNN的运行速度。 然而，BNN也存在一些挑战。由于二值化操作引入了信息损失，BNN可能会受到精度下降的影响。此外，由于使用了二进制权重，BNN对输入数据的灵敏度较低，可能导致分类准确率的下降。 总体而言，BNN是一种在图像识别任务中具有潜力的算法，可以通过减少参数量和提高计算效率来应对资源受限的情况。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

大数据采集及分析

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值