目录
前言
最近在CSDN上看到一个很火的开源项目《斗地主老是输？一起用Python做个AI出牌器，欢乐豆蹭蹭涨！》，作者Dragon少年也分享了源代码，确实很好用，但是在扑克牌牌型识别的时候由于使用的是特定模板匹配，所以只适用于某游戏大厅的欢乐斗地主，而无法识别某手游助手的欢乐斗地主。
某游戏大厅欢乐斗地主：可以识别牌型?
?某手游助手欢乐斗地主：无法识别牌型
可以看到两者之间扑克牌牌型确实存在差异，所以通过特定模板匹配肯定无法识别出来。于是考虑通过神经网络进行扑克牌型识别，从而可以针对不同平台的斗地主进行扑克牌牌型识别，通用性更强。
由于该过程分为两个过程，一是定位到扑克牌数字或者字母位置，二是对相应位置上的图像进行牌型分类。经过一系列比较与试验，最终选择了YOLOv5进行扑克牌目标检测与识别。
一、YOLOv5环境配置
本教程所用环境：代码版本V3.0，源码下载地址：https://github.com/ultralytics/yolov5.git
通过git clone https://github.com/ultralytics/yolov5.git，将YOLOv5源码下载到本地，然后配置虚拟环境：conda create -n yolov5 python==3.7，在YOLOv5中尽量使用python3.7。创建好虚拟环境，并通过pip install -r requirements.txt安装依赖包。
项目的测试平台为：
操作系统：windows10
IDE：Spyder
python版本：anaconda Pyhon3.7
pytorch版本：torch 1.9.1
cuda版本：10.1
显卡：RTX 2080 Ti
二、制作自己的扑克牌数据
1.采集扑克牌数据
分为三类数据：手牌、底牌、出牌。
由于牌型特征明显，所以仅需要针对每一类采集少量数据进行标注，就能取得较好效果，采集结果如下图所示：
2.通过labelimg进行数据标注
由于第一次安装labelimg时，其中安装的pyqt5库与Spyder发生冲突，导致无法打开Spyder界面，折腾了很久才弄好。
所以建议新建一个虚拟环境，避免发生冲突。
（1）在Anaconda Prompt建立建立一个安装labelImg的python虚拟环境；
conda create -n LabelIMG python==3.7（2）然后激活该环境?
activate LabelIMG（3）打开标注工具LabelImg
我们要标定数据的时候，一般是已经制定好了要标注物体的类别，这样在打开LabelImg之后，我们只要框定目标之后，选择要对应的标签即可。
labelimg cards predefined_classes.txt其中cards为存放采集数据的文件夹，predefined_classes.txt为存放标注物体的类别的文本文件。
具体labelimg使用可以参考目标检测使用LabelImg标注VOC数据格式和YOLO数据格式——LabelImg使用详细教程。
PS：注意直接选择存储为YOLO格式，即标注数据最终保存为txt格式。
3. 划分训练集和验证集
数据集标注好之后，存放如下目录格式：
pokercard
├── images
│ ? ├── train ? ? ? ?# 训练集图片，这里我只列举几张示例
│ ? │ ? ├── 1.png
│ ? │ ? ├── 2.png
│ ? │ ? └── 3.png
│ ? └── val ? ? ? ? ?# 验证集图片
│ ? ? ? ├── t1.png
│ ? ? ? ├── t2.png
│ ? ? ? └── t3.png
└── labels ? ? ? ? ? ? ??
? ? ├── train ? ? ? ?# 训练集的标签文件
? ? │ ? ├── 1.txt
? ? │ ? ├── 2.txt
? ? │ ? └── 3.txt
? ? └── val2 ? ? ? ? # 验证集的标签文件
? ? ? ? ├── t1.txt
? ? ? ? ├── t2.txt
? ? ? ? └── t3.txt
?
- pokercard：存放数据的目录，该目录与YOLOv5目录同一级
- images：目录下存放的是图片，包含训练集和验证集图片
- labels：目录下存放的是标签文件，包含训练集和验证集图片对应的标签文件
三、训练扑克牌数据集
1.修改数据和模型配置文件
1.1 修改数据配置文件
原先的配置文件为：./yolov5/data/coco128.yaml。
我们把将文件复制一份，重命名为pokercard.yaml。
然后在pokercard.yaml中需要修改3处内容：
（1）训练集和验证集图片的路径
train: ../pokercard/images/train?
val: ../pokercard/images/val??（2）修改类别数nc
nc: 15 # number of classes
（3）修改类别列表，把类别修改为自己的类别
names: [ 'A','2','3', '4', '5','6', '7','8', '9', '10','J','Q','K','xjk','djk'] # class names修改后的pokercard.yaml完整配置内容如下：
# YOLOv5 🚀 by Ultralytics https://ultralytics.com, licensed under GNU GPL v3.0
# COCO128 dataset https://www.kaggle.com/ultralytics/coco128 (first 128 images from COCO train2017)
# Example usage: python train.py --data coco128.yaml
# parent
# ├── yolov5
# └── datasets
# └── coco128 ← downloads here
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
# path: ../datasets/coco128 # dataset root dir
# path:
train: ../pokercard/images/train # train images (relative to 'path') 128 images
val: ../pokercard/images/val # val images (relative to 'path') 128 images
test: # test images (optional)
# Classes
nc: 15 # number of classes
names: [ 'A','2','3', '4', '5','6', '7','8', '9', '10','J','Q','K','xjk','djk'] # class names
# Download script/URL (optional)
# download: https://github.com/ultralytics/yolov5/releases/download/v1.0/coco128.zip1.2 修改模型配置文件
修改模型配置文件，这里我使用的是yolov5\models\yolov5s.yaml。
因此，在yolov5s.yaml中只需要修改一处，把nc修改为自己的类别数即可。
nc : 152.使用yolov5s.pt预训练模型进行训练
训练命令：
python train.py --img 640 --batch 8 --epochs 500 --data data/pokercard.yaml --cfg ./models/yolov5s.yaml --weights ./weights/yolov5s.pt?训练结果：
训练结束后，会生成两个预训练的模型：
best.pt：保存的是中间一共比较好模型last.pt：训练结束后保存的最后模型
四、使用训练好的预训练模型进行测试
推理目录下图片集命令，将检测中有些图片置信度比较低的通过--conf-thres以及--iou-thres参数过滤掉：
python detect.py --source data/images --weights best.pt --conf-thres 0.5 --iou-thres 0.5
测试结果如下所示：?
?
可以看到不管是手牌、底牌还是出牌的牌型都识别出来了，而且不管是哪个平台的欢乐斗地主都可以。
完美！！！
五、下一步工作
接下来就是如何在AI记牌器中融入YOLOv5牌型检测与识别模型，从而再也不用担心记牌、算牌，去赢取大量欢乐豆了！！！从此走上豆豆巅峰！！！
今天我们就到这里，明天继续努力！未完待续！
感谢H师姐的鼎力相助！！!
如果该文章对您有所帮助，麻烦点赞，关注，收藏三连支持下！
创作不易，白嫖不好，各位的支持和认可，是我创作的最大动力！
如果本篇博客有任何错误，请批评指教，不胜感激 ！！！
参考：
斗地主老是输？一起用Python做个AI出牌器，欢乐豆蹭蹭涨！