基于Light-YOLOv8的围棋棋谱识别

为实现围棋对弈过程中的高精度实时记谱,提出了一种基于结合三维注意力机制与轻量化卷积的实时检测算法Light-YOLOv8。在YOLOv8模型的基础上,使用PWConv+PConv替换主干网络中跨阶段局部网络的3*3卷积,大幅减少模型计算量与参数规模;加入CARAFE上采样算子与SimAM三维注意力机制,提高对围棋目标的检测能力;使用Wise-IOU损失函数提高模型定位能力与收敛速度,提高了对棋子粘连、棋子重叠与光照不均匀情况下的检测能力。在自定义围棋数据集上进行对比训练表明,改进后的算法实现了检测精度的提升与推理速度的提高。针对移动端设备部署需求对模型进行优化与压缩,并在不同安卓设备部署,图像分辨率为640*480的情况下,结合图像预处理与后处理操作,拍照检测平均时间为89 ms,平均模型推理帧率为37.6 fps。进行50轮记谱实验,平均记谱准确率高于97%,平均胜负判别准确率到达100%,能够实现稳定的围棋记谱功能。