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 暑期实习课后作业。

Install

Download Project

Clone 项目，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

执行结果缓存到目录 ./network/runs/detect/exp[number] 。

Project Tree

如下为本项目的工程结构。

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