一次不成功的深度學習實踐 - 微信跳一跳

最近微信的跳一跳小程式火了一把，所以前天也更新了微信玩了幾盤，最多手動到200左右就不行了。

後來準備用程式碼寫個輔助工具，上Github一查，已經有人做出來了，17年12月29號的專案，不到5天差不多5K的stars，以後還會更多，簡直可怕。

https://github.com/wangshub/wechat_jump_game

具體思路都差不多：

• 用adb除錯手機，獲取截圖；

• 從截圖中識別棋子和目標塊的中心點位置；

• 根據距離計算長按時間，係數和螢幕解析度相關；

• 用adb模擬長按，完成跳躍。

唉，多麼可惜，錯過了一個好專案。

既然別人已經實現了，那就嘗試點不一樣的，用 深度學習 解決一下。

基本思路

基本流程類似，唯一的區別在於如何獲取棋子和目標塊的中心位置。

假如長按時間只取決於棋子和目標塊的水平位置，那麼只需要知道它們水平方向上的座標即可。

可以看作一個 物體檢測 問題，檢測出截圖中的棋子等物體，這裡假設共包含七類物體：

• 棋子：chess

• 彩蛋塊：包括汙水 waste、魔方 magic、商店 shop、音樂盒 music

• 普通塊：包括矩形塊 rect、圓形塊 circle

模型實現

我手動標註了500張截圖，基於ssd_mobilenet_v1_coco模型和TensorFlow物體檢測API，訓練好的模型跑起來是這麼個結果。

可以看到截圖中的棋子、魔方、矩形塊、圓形塊都被檢測了出來，每個檢測結果包括三部分內容：

• 物體位置，用矩形標註，對應四元組 ymin、xmin、ymax、xmax；

• 物體類別，為以上七類中的一種；

• 檢測置信度，越高說明模型對檢測結果越有把握。

這不僅僅是簡單的規則檢測，而是 真正看到了截圖中共有哪幾個物體，以及每個物體分別是什麼。

所以接下來，就只需從檢測結果中取出棋子的位置，以及最上面一個非棋子物體，即目標塊的位置。

有了物體的邊界輪廓，取中點即可得到棋子和目標塊的水平座標，這裡進行了歸一化，即螢幕寬度為1，距離在0至1之間。然後將距離乘以一個係數，作為長按時間並模擬執行即可。

執行結果

看起來很不錯，實際跑分結果如何呢？

大概只能達到幾百分，問題出在哪？

主要是標註資料太少，模型訓練得不夠充分，所以檢測結果不夠準確，有時候檢測不出棋子和目標塊，而一旦出現這類問題，分數必然就斷了。

嘗試了以下方法，將一張截圖朝不同的方向平移，從而得到九張截圖，希望提高檢測結果的召回率，但仍然有檢測不出來的情況，也許只有靠更多的標註資料才能解決這一問題。

規則檢測

模型訓練了20W輪，依舊存在檢測不出來的情況，鬱悶得很，乾脆也寫一個基於規則的 簡單版程式碼 好了。

花了不到20分鐘寫完程式碼，用OpenCV提取邊緣，然後檢測棋子和目標塊的水平中心位置，結果看起來像這樣。

事實證明，最後跑出來的分數，比之前的模型要高多了……

說好的深度學習呢？

總結

面對以下情況時，基於人工經驗定義規則，比用深度學習訓練模型要省力、有效很多：

• 問題本身比較簡單，不需要複雜的抽象；

• 標註資料比較有限，難以充分訓練模型；

• 錯誤懲罰很高，對錯誤不能容忍。即便模型在99%的情況下能完美執行，1%的錯誤立馬讓遊戲直接結束了，此時反而不如hard code的規則靠譜。

當然，如果大家能一起努力，多弄些標註資料出來，說不定還有些希望。

程式碼在Github上：https://github.com/Honlan/wechat_jump_tensorflow

不說了，我繼續刷分去了，用後面寫的不到一百行的程式碼…

點選下方“閱讀原文”瞭解【大資料實驗平臺】↓↓↓