Jeu du sémaphore dans le Blender Game Engine

C'est quoi un sémaphore ?

chappe.jpeg


Des images pour l'apprentissage

  • Réalisé sur Debian 10 Buster, ne fonctionne pas sur Win$
  • python 3.7
  • Blender 2.79b
  • opencv
  • numpy
  • mon module perso pymultilame
sudo apt install python3-pip
sudo pip3 install numpy
sudo pip3 install opencv-python
sudo apt install blender

Mon module personnel:

sudo pip3 install -e git+https://github.com/sergeLabo/pymultilame.git#egg=pymultilame

Mise à jour:

sudo pip3 install --upgrade git+https://github.com/sergeLabo/pymultilame.git#egg=pymultilame

Lancer ./semaphore.sh

et faire les 5 étapes, 3 heures et demi pour 1, et un certain temps pour les autres ….

Bug connu: le treminal se ferme à la fin de la création des shots avec Blender ! Relancer le terminal et continuer avec 2

Sortie Blender 320×320

40×40, floue en gris

40×40 en Noir et Blanc

Dans un jeu Blender, 70 000 images sont créées, 60 0000 pour entraîner l'IA, 10 000 pour la tester. Ce jeu lit soit un texte en latin de Cicéron, sans caractères accentués ni spéciaux, soit l'alphabet avec un espace. Il y a donc 27 caractères différents.

Chaque lettre est affiché dans le jeu, puis une capture de la fenêtre est enregistrée. La fréquence est maxi de 6 fps, en allant plus vite l'image enregistrée n'a pas toujours la bonne lettre. Il faut plus de 3h pour récupérer ces images.

Ne jamais déplacer ou réduire la fenêtre de Blender pendant la création des images !

Le Blender Game Engine 2.79b permet un affichage mini de 320×280. Les images du jeu sont donc en 320×320. Un script python3 avec opencv resize les images à 40×40, les floutent.

Pour avoir une excécution plus rapide pour les étapes suivantes.

Le résultat s'exprime par un pourcentage. L'objectif est d'avoir au moins 95% (de bonne reconnaissance).

Choisir au moins 60000 images au total, avec:

  • training = 30000
  • testing = 30000
  • training = 35000
  • testing = 35000
  • training = 60000
  • testing = 10000

Les meilleurs résultats sont obtenu avec:

  • gray = 0
  • blur = 6
  • learningrate = 0.022

Les hyperparamètres sont tous les paramètres à optimiser : learningrate, nombre de couches, différentes méthodes d'initialisation aléatoire des poids

Le fichier best_config_search.py fait ce boulot en autodidacte, mais c'est un bricolage réservé aux spélialistes qui se sont plongés dans tout le projet.

Le chemin est long du projet à la chose.

j = &

  • a
  • b
  • c
  • d
  • e
  • f
  • g
  • h
  • i
  • j
  • k
  • l
  • m
  • n
  • o
  • p
  • q
  • r
  • s
  • t
  • u
  • v
  • w
  • x
  • y
  • z
  • espace
  • jeu_du_semaphore_dans_le_blender_game_engine.txt
  • Dernière modification: 2019/10/01 03:49
  • par serge