本数据集不包含任何视频数据，视频数据来源于YouTube或自行录制的视频。

中文 | English

本数据集收集了总共154个类别（全部切片名称请见label_list.py），总计4654个切片，用于制作生成式数据集。

使用generator.py生成，用于YOLOv8训练。

本数据集只收集了2.6快速猪卡组的图片。

本数据集只收集了5种圣水数字，用于对目标识别结果进行细分。

本数据集代码均位于KataCR中， 下面提到的代码均在KataCR项目下， 其中包含对数据集标签进行转换以及生成式数据集的生成代码， 本数据集中包含如下四个子数据集：

1. 人工标记目标识别图像数据集： 文件路径格式为part2/对局视频名称/回合数， 使用Labelme打开子文件夹，即可对边界框进行编辑。每个子文件夹中包含如下文件（frame为视频中的帧数）：

   • frame.jpg：目标识别图像。
   • frame.json：Labelme记录的边界框信息。
   • frame.txt：将json文件转为用于YOLO模型训练的txt文件，使用label_builder.py生成。
     • 每行的格式为类别 边界框相对中心坐标(x,y) 边界框相对宽高(w,h) 从属类别 6个0

2. 生成式数据集：

• 文件路径格式segment/cls_name/{cls_name}_{bel}_id.png：
  • cls_name为切片类别名称（全部切片名称请见label_list.py）
  • bel为类别的从属派别
  • id为图片编号
• 生成式数据集使用方法：
  1. 配置constant.py中的path_dataset路径到Clash-Royale-Dataset文件夹下。
  2. 运行generator.py后会在KataCR/logs/generation文件夹下生成目标识别图像以及带有标签的目标识别图像。（配置文件在generator.py最底部和generator_config.py文件中）
• YOLOv8训练方法：请见...

3. 卡牌分类：

• 文件路径格式card_classification/card_name/id.jpg：
  • card_name为卡牌名称
  • id为图片编号

4. 圣水分类：

• 文件路径格式elixir_classification/cls_name/id.jpg：
  • cls_name为圣水数字名称
  • id为图片编号