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:
-
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
- 每行的格式为
- 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:
- 配置
constant.py
中的path_dataset
路径到Clash-Royale-Dataset
文件夹下。 - 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)
- 配置
- YOLOv8训练方法:请见...
- 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
- 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