Комментарии 13
ожидал что будут примеры полезного на практике применения
А не проще было бы из памяти напрямую читать эти данные? Или античиты не дадут сделать?
А точность распознавания какая?
В последнее время я несколько разочаровался в нейросетях из-за их неприятной особенности, которую я называю «проблема 80%».
То есть при распознавании или классификации объектов точность 80% достигается практически «из коробки», но вот дальше каждый дополнительный процент даётся всё трудней и трудней. Чтобы достичь точности 85%, нужно изрядно постараться и пошаманить с архитектурами и предварительной обработкой данных, чтобы достичь 90% — это надо вообще наизнанку вывернуться, а точности 95% мне не удавалось достичь ни разу.
Ну, а полезность классификатора, который даёт 10% ошибок, не очень-то велика. Если задача разовая, так проще вообще индусов с пакистанцами нанять, чтобы они вручную всё рассортировали.
В последнее время я несколько разочаровался в нейросетях из-за их неприятной особенности, которую я называю «проблема 80%».
То есть при распознавании или классификации объектов точность 80% достигается практически «из коробки», но вот дальше каждый дополнительный процент даётся всё трудней и трудней. Чтобы достичь точности 85%, нужно изрядно постараться и пошаманить с архитектурами и предварительной обработкой данных, чтобы достичь 90% — это надо вообще наизнанку вывернуться, а точности 95% мне не удавалось достичь ни разу.
Ну, а полезность классификатора, который даёт 10% ошибок, не очень-то велика. Если задача разовая, так проще вообще индусов с пакистанцами нанять, чтобы они вручную всё рассортировали.
К сожалению, я не могу распространяться по поводу метрик, но вы можете оценить качество распознавания цифр верхней панели снизу используя текущие результаты распознавания номеров домов, которые я упоминал в статье. Как видите, для текущей SOTA модели процент ошибок уже менее одного процента.
точность 80% достигается практически «из коробки», но вот дальше каждый дополнительный процент даётся всё трудней и трудней
Если распознаваемые символы имеют один шрифт, размер, не соприкасаются и не имеют наклона, нейросеть в принципе должна обеспечить очень точный результат. В моих экспериментах символы с поворотом +-30 градусов при условии определения точных границ распознавались на 99 % без особых усилий. Я работал с капчами, этого хватало для 80% точности — остальные проседали в основном из-за соприкасающихся символов. Сложная сеть смогла обеспечить 99%, я недавно описывал свой опыт в статье.
На самом деле интересный вопрос про античиты, позволят ли они читать что-то из памяти :)
К сожалению, да, чтобы эти данные оказались в памяти их туда нужно сначала загрузить. В действительности LoL поддерживает так называемые replay файлы, но проще наверное было бы парсить сразу их. Жаль только, что для турнирных игр такие файлы достать нельзя.
К сожалению, да, чтобы эти данные оказались в памяти их туда нужно сначала загрузить. В действительности LoL поддерживает так называемые replay файлы, но проще наверное было бы парсить сразу их. Жаль только, что для турнирных игр такие файлы достать нельзя.
Жаль, что кода нет. Остается только поверить вам на слово.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Как я Лигу Легенд парсил