luozhiyun`s Blog 我的技术分享
·
Yolov5物体识别与应用
💡
原文中文，约7800字，阅读约需19分钟。
📝
内容提要
作者探讨了如何在DNFM游戏中使用AI实现自动化搬砖。通过OpenCV识别静态图像，YOLO识别动态图像，并用ADB控制手机操作角色。YOLO因实时性被选用，尽管精度不如RCNN。作者详细介绍了YOLO的原理和训练过程，并分享了ONNX模型部署的方法。最后，作者表达了对项目的热情和未来发展的思考。
🎯
关键要点
- 作者探讨如何在DNFM游戏中使用AI实现自动化搬砖。
- 使用OpenCV识别静态图像，YOLO识别动态图像，并用ADB控制手机操作角色。
- YOLO因实时性被选用，尽管精度不如RCNN。
- 详细介绍了YOLO的原理和训练过程。
- 分享了ONNX模型部署的方法。
- DNFM搬砖任务复杂，包括角色和怪物位置识别、攻击、捡取物品等。
- 静态图像识别使用OpenCV，动态信息识别使用YOLO。
- YOLO算法是one-stage目标检测算法，适合实时系统。
- YOLO的局限性包括每个网格单元只能预测一个物体。
- 使用Ultralytics的YOLOv5进行训练和部署。
- 通过ADB控制手机实现游戏操作，避免反作弊系统的影响。
- 项目的开发过程并不轻松，作者对未来发展表达了思考。
➡️
