死神VS火影 | 2D目标检测

2D-object-detection-Bleach-vs-Naruto

《死神VS火影》| 试用YOLOv5完整体验自建数据集，训练模型，参数调优，最后实现2D目标检测的全过程。

DEMO

→ See more demo

Background

NIIT暑期实习大作业

Install

Download Project

直接Clone项目即可，推荐使用Pycharm启动工程 → See Github Homepage

Download Game [optional]

获取《死神vs火影 3.3》FLASH游戏本体

链接：https://pan.baidu.com/s/1gjYlIzwjsYKDt8-cq1AqhA
提取码：5dyt

Download BVN-Network [optional]

获取欠优化的序列模型，可直接用于预测任务

链接：https://pan.baidu.com/s/12Re3w9V56z-J-0LGCPK_IQ
提取码：digz

Download Database [optional]

获取作者手动标注的数据集（未经数据增强）；包含录制的游戏视频及分割成帧的游戏图片，视频分割成帧的.py脚本，官方贴图（人物模型），images图片数据集及其对应的labels标注集（使用make-sense导出）

链接：https://pan.baidu.com/s/1o64LCXUk9LR85ipCR9-cSw
提取码：7qqa

Usage

Clone项目后，请标记database、game目录为“排除”，network为“运行根”。

以./network为运行根启动Terminal，执行detect.py进行预测：

# /2D-object-detection-Bleach-vs-Naruto/network>
python detect.py

执行结果存放在./network/runs/detect/exp[number]中。

Project Tree

如下所示为本项目的工程目录。

2D-object-detection-Bleach-vs-Naruto
 ├── database
 │   ├── captures
 │   ├── images
 │   ├── labels
 │   └── role_map
 ├── game
 │   └── 死神vs火影3.3
 ├── LICENSE
 ├── network
 │   ├── data
 │   ├── detect.py
 │   ├── export.py
 │   ├── hubconf.py
 │   ├── LICENSE
 │   ├── models
 │   ├── requirements.txt
 │   ├── runs
 │   ├── train.py
 │   ├── utils
 │   └── val.py
 └── README.md

• ./database存放训练数据

  • ./database/captures：游戏录屏文件的存放目录

  • ./database/images：游戏录屏文件切割成帧后的图片存放目录

  • ./database/labels：图片帧的标注集（与images一一对应）

  • ./database/role_map：预存放的游戏人物贴图，包含角色一户（卍解）以及漩涡鸣人

• ./game存放《死神vs火影3.3》FLASH游戏本体

  Windows 客户端直接运行./game/死神vs火影3.3/launch.exe进入游戏。

• ./network目录仿制YOLOv5编排

  • ./network/data存放需要执行预测任务的素材（如：图片、视频）

    • ./network/data/images：需要执行预测任务的图片存放目录
    • ./network/data/video：需要执行预测任务的视频存放目录
    • ./network/data/BleachVsNaruto.yaml：引导模型训练所用数据集路径的配置文件

  • ./network/models存放yolo基准模型参数

  • ./network/utils存放构建网络的必要工具

  • ./network/runs存放网络运行缓存

    • ./network/runs/detect：由detect.py预测任务产生的输出，与所选择的./network/data/资源一一对应

    • ./network/runs/train：由train.py训练任务产生的输出，存放导出的模型、网络收敛图以及各种评价指标图

      ./network/runs/train/bvn-base/weights/中存放了欠优化的序列模型，可直接用于预测任务。

  • ./network/detect.py预测任务的启动接口

  • ./network/train.py训练任务的启动接口