核心理念:实验即配置 (Experiment as Code) 你不需要懂代码,只需要修改一份配置文件 (.yaml),即可驱动从数据处理、模型训练到最终导出的全自动化流水线。

请根据你手头拥有的数据情况,选择 路径 A 或 路径 B。

适用场景:识别背包、仓库、摊位等网格状、图标固定的界面。效率最高。

1. 素材提取
   • 将原始游戏截图放入 data/raw/。
   • 运行提取工具:python tools/batch_icon_extractor.py
   • 操作:左键点选图标,Ctrl+左键排除背景,S键保存。
2. 网格校准
   • 准备一张空背包截图 data/assets/backgrounds/empty.png。
   • 运行校准工具:python tools/grid_calibrator.py
   • 操作:确认红框完美覆盖格子,如有偏差修改脚本内的坐标参数。
3. 一键合成
   • 运行合成工具:python tools/inventory_synthesizer.py
   • 结果:系统将自动生成 2000+ 张带完美标注的训练数据至 data/raw/synthetic_inventory_v1。

适用场景:识别动态特效、不规则物体、或非网格界面。

1. 数据准备
   • 将图片 (.jpg/.png) 和 标签 (.json/.txt) 放入 data/raw/manual_dataset_v1 (文件夹名自定义)。
2. 格式转换 (如果是 LabelMe)
   • 如果你的标注是 .json 格式,系统会在训练时自动转换,无需额外操作。

打开项目根目录下的 yolo.yaml,这是你唯一需要修改的文件。

# 1. 给本次训练起个名字 (必须唯一)
project_name: "yolo_daoju"
run_name: "v1_synthetic_test"
# 2. 告诉系统数据在哪里 (最重要!)
# -> 如果是路径 A (合成),填合成后的目录:
source_data_dir: "/home/zhz/cv_factory/data/raw/synthetic_inventory_v1"
# -> 如果是路径 B (人工),填你上传的目录:
# source_data_dir: "/home/zhz/cv_factory/data/raw/manual_dataset_v1"
# 3. 定义你要识别什么 (ID: 名字)
class_names:
 0: '桃花'
 1: '飞行符'
 # ...
# 4. 训练参数 (小白仅需关注以下几项)
hyperparameters:
 epochs: 150 # 训练轮数,建议 100-300
 batch: 32 # 显存够大可以改 64
 
 # --- 针对游戏UI的特殊设置 ---
 # 如果是固定图标(路径A),必须设为 0.0 (禁止旋转/翻转)
 # 如果是怪物/特效(路径B),可以设为 0.5 (允许增强)
 degrees: 0.0 
 fliplr: 0.0 
 scale: 0.05 # 图标大小固定,缩放要小

配置完成后,在终端运行以下命令。系统会自动清洗数据、划分验证集、开始训练、并导出模型。

python pipeline.py --config yolo.yaml

• 训练产物位置: runs/<project_name>/<run_name>/ (包含图表、日志)
• 最终模型位置: saved/models/<run_name>.onnx (可直接部署)

永远不要只看训练数据的分数,要看真实截图的效果。

1. 确保 data/raw/ 下有一些真实的游戏截图。
2. 运行可视化验证工具:

   python tools/validate_real.py

3. 查看结果: 打开 AAA/real_world_validation_high_conf/ 目录。
   • 绿色框:识别出的物体。
   • HUD显示:标签位于框内,半透明背景,不遮挡画面。
   • 注:默认只显示置信度 > 0.90 的结果。

• configs/: 存放 main_config.yaml (系统级配置,一般不动)。
• data/:
  • assets/: 合成用的素材 (图标、背景)。
  • raw/: 你的工作区 (放截图、放标注数据)。
  • processed/: 系统生成的临时数据 (可随时删除)。
• tools/: 工具箱
  • batch_icon_extractor.py: 抠图工具。
  • inventory_synthesizer.py: 合成工具。
  • validate_real.py: 验证工具。
• yolo.yaml: 实验指令单 (核心)。
• pipeline.py: 启动脚本。