项目介绍

你好！ 欢迎阅读我的文章，本章将介绍，如何使用yolov5和强化学习训练一个AI斗地主，本项目将分为三个部分，其中包含（yolov5目标检测，pyqt5页面搭建，强化学习训练出牌）。为什么会做这个项目呢，主要是出于作者本人感兴趣，我也喜欢打牌，即使这个项目可能在多数项目看来，显得多此一举或者有点笨拙，整个过程，主要是用来体验项目并且学习了，如果你有其他意见或者更好的想法可以联系作者，再次感谢您阅读我的文章。

项目过程介绍

我暂时对整体的AI斗地主做了一个规划，这里我以微信小程序天天斗地主为例，使用yolov5训练斗地主画面的每张扑克牌，识别出所有扑克牌后，通过分析地主、地主上家、地主下家出的牌，进行强化学习，来教AI打牌，整个过程由pyqt5可视化界面展示实现，具体分为以下步骤。

1. 收集斗地主数据集，yolov5进行训练
2. 获取小游戏句柄，初步测试目标检测成果
3. 编写GUI，实时控制整个程序
4. 通过目标检测结果，编写记牌器，编写上家下家出牌规则
5. 训练DOUZERO强化学习
6. 通过上下家出牌规则，调用DOUZERO强化学习出牌
7. 完善整个程序，进行最终测试

训练yolov5目标检测斗地主

整个AI斗地主分为三部分，yolov5检测斗地主的扑克牌，Douzero强化学习斗地主，pyqt5编写最终界面，本文只讲第一部分

收集数据集

收集斗地主数据集的过程不算复杂困难，但相对无聊枯燥耗时，收集数据集采用最传统的方法，通过一局对局截取一张图片的方式，如下图

截图存储到本地后，使用labelimg才进行标注，如果不了解labelimg，这里引用一下别的文章：labelimg从安装到使用详解 labelimg就是一个标注工具而已，如下图，将每一张扑克牌都标注好即可

这里需要注意收集的数据集数量， 经过我本人测试，我收集了100张图片，注意，即使只有100张图片，每一张图片仍然包含多达二三十个标注，其中同一个扑克牌类别最多出现7次（包括最上方会显示的三张地主牌），100张本质上来说不算特别少，经过yolov5训练后， 再放到小程序上进行测试，经观察，仍然有95%的准确率，但这是远远不够的，因为即使一张扑克牌的识别错误，将导致后期整个强化学习，到出牌过程都会决策失败

最后，保存的数据集文件夹如下图所示，这里不仅限于天天斗地主，将其他类型的斗地主标注好后，也可以一起进行训练。

yolov5调参

yolov5是一个使用pytorch编写的目标检测框架，通过yolov5的训练，最后我们可以知道哪张扑克牌在哪个位置，通过程序编写出牌区域的区分，可以检测区分出地主、地主下家、地主上家，三家的轮流出牌过程，到这一步，其实已经可以做一个记牌器了，如果到这里，你不太了解yolov5是啥的话，这里我推荐几个博客与官方github链接

YOLOv5网络详解
YOLOv5官方github
YOLOv5参数介绍

这里主要是看我的配置参数的一些文件，数据集标签配置如下（其中包含：1-k小王、大王、地主、农民、闹钟、连对、顺子、飞机、炸弹、火箭）：

train.py 这里不做过多介绍，只要了解过yolov5，并根据自身情况训练就行
数据集少的情况下，大概，一两千次即可完成训练，最后展示一下，我用pyqt5写出来的yolov5检测出来的训练结果。
下篇介绍pyqt5界面搭建过程