本文我們將一起學(xué)習(xí)如何使用計(jì)算機(jī)視覺(jué)技術(shù)識(shí)別棋子及其在棋盤上的位置

我們利用計(jì)算機(jī)視覺(jué)技術(shù)和卷積神經(jīng)網(wǎng)絡(luò)（CNN）為這個(gè)項(xiàng)目創(chuàng)建分類算法，并確定棋子在棋盤上的位置。最終的應(yīng)用程序會(huì)保存整個(gè)圖像并可視化的表現(xiàn)出來(lái)，同時(shí)輸出棋盤的2D圖像以查看結(jié)果。

（左）實(shí)時(shí)攝像機(jī)進(jìn)給的幀和棋盤的（右）二維圖像

01. 數(shù)據(jù)

我們對(duì)該項(xiàng)目的數(shù)據(jù)集有很高的要求，因?yàn)樗罱K會(huì)影響我們的實(shí)驗(yàn)結(jié)果。我們?cè)诰W(wǎng)上能找到的國(guó)際象棋數(shù)據(jù)集是使用不同的國(guó)際象棋集、不同的攝影機(jī)拍攝得到的，這導(dǎo)致我們創(chuàng)建了自己的數(shù)據(jù)集。我使用國(guó)際象棋和攝像機(jī)（GoPro Hero6 Black以“第一人稱視角”角度）生成了自定義數(shù)據(jù)集，這使我的模型更加精確。該數(shù)據(jù)集包含2406張圖像，分為13類（請(qǐng)參閱下文）。總結(jié)：這花費(fèi)了我們很多時(shí)間，但是這使得訓(xùn)練圖像盡可能地接近在應(yīng)用程序中使用時(shí)所看到的圖像。

自定義數(shù)據(jù)集的細(xì)分

為了構(gòu)建該數(shù)據(jù)集，我首先創(chuàng)建了capture_data.py，當(dāng)單擊S鍵

總結(jié)

以上是生活随笔為你收集整理的深度学习核心技术精讲100篇（五十五）- 基于OpenCV实现棋盘图像识别的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。