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

死神VS火影 | 2D目标检测相关推荐

一文看尽 27 篇 CVPR 2021 2D 目标检测论文
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达作者丨二玖编辑丨极市平台导读本文对我们汇总的 CVPR 2021 检测大类中的2D目标检测领域的 ...
如何把2d目标检测的bbox转化到现实世界坐标系的？
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达编辑:3D视觉工坊 https://www.zhihu.com/question/394814665/ ...
2D目标检测CVPR2020总结
2D目标检测 Large-Scale Object Detection in the Wild From Imbalanced Multi-Labels 作者 | Junran Peng, Xingy ...
【论文汇总】2D目标检测文章汇总，持续更新
记录自己比较感兴趣的2D目标检测文章分类 1.模型架构相关 2.YOLO系列 3.分类与回归不一致问题 4.标签分配 5.DETR系列 6.知识蒸馏 7.FPN相关 8.小目标检测系列 9.数据增强 ...
CVPR2021 | 2D目标检测论文解读
CVPR2021 | 2D目标检测论文解读 1. UP-DETR:--<UP-DETR: Unsupervised Pre-training for Object Detection with ...
地平线机器人Waymo Open Dataset Challenge中2D目标检测赛道第二名方案解析
点击上方"AI算法修炼营",选择"星标"公众号精选作品,第一时间送达这是地平线机器人在CVPR 2020 Waymo Open Dataset Challe ...
【论文阅读】2d目标检测：综述
最近在恶补2d目标检测的文章,把他们整理了一下,写一下综述,方便以后查看. 写得比较简略,主要是自己对于一些网络的理解. - sppnet 本文引入了一种针对不同尺度图片的目标检测网络.传统网络针对 ...
2D目标检测论文大盘点（37篇）
文章目录 1.LeNet 2.AlexNet 3.VGGNet 4.OverFeat 5.GoogLeNet 6.ResNet 7.DenseNet 8.R-CNN 9.SPP-Net 10.Fast ...
2D目标检测综述之检测模型篇（二）
一.二阶段检测器 1.R-CNN R-CNN分为以下4个模块: 区域提议生成:作者使用选择性搜索算法从每张图像上生成2000个类别独立的区域提议. 区域特征提取:遵循AlexNet的架构,作者使用一 ...

死神VS火影 | 2D目标检测