从图像到标题：使用卷积神经网络进行视频游戏辨识
原文中文，约600字，阅读约需2分钟。发表于：。通过使用五种卷积神经网络（MobileNet、DenseNet、EfficientNetB0、EfficientNetB2 和 EfficientNetB3），对 22 种家用游戏主机系统（从 Atari 2600 到 PlayStation 5）的单个截图进行视频游戏识别的研究，确认了 CNN 在截图中提取图像特征的能力，实现了在没有额外特征的情况下从截图中识别游戏标题。利用...
通过研究22种家用游戏主机系统的单个截图，发现CNN在提取图像特征和识别游戏标题方面具有能力。EfficientNetB3表现最佳，平均准确性为74.51%，DenseNet169在14个系统中表现出色。使用替代初始权重提高了EfficientNetB2和EfficientNetB3的准确性，后者达到了最高准确性76.36%。通过优化架构和权重的组合，主要由EfficientNetB3在19个系统中领先，实现了77.67%的准确性。这些发现强调了CNN在视频游戏识别方面的有效性。
