Dévoilez le mystère des cartes Magic avec l'IA

表目录：

1. Introduction (介绍)
2. 使用AI识别魔术卡片的挑战 2.1 光学字符识别和图像散列的方法 2.2 更好的解决方案
3. 搭建神经网络 3.1 加载数据集 3.2 图像预处理 3.3 训练神经网络
4. 测试模型性能 4.1 使用完美扫描版本测试 4.2 使用扭曲版本测试
5. 总结与展望
6. 参考文献

💡使用AI识别魔术卡片的挑战

在魔术卡片识别中，我们面临着一个挑战：如何使用人工智能（AI）来识别不同的魔术卡片。过去，我们尝试使用光学字符识别和图像散列的方法，但这些方法效果不佳。本文将介绍一种更好的解决方案，通过搭建神经网络来实现魔术卡片的快速准确识别。

🎯使用AI识别魔术卡片的挑战

介绍

欢迎大家回来！我是Jack，我正在致力于设计并构建一个全新的魔术卡片分拣机。在本视频中，我将使用人工智能来识别魔术卡片。具体来说，我希望计算机能够确定每张卡片的多元宇宙ID，这是每张打印的魔术卡片所独有的标识符。上一期视频中，我尝试使用光学字符识别和图像散列来解决这个问题，虽然效果不错，但速度较慢且操作繁琐。让我们进入一个更好的解决方案。

光学字符识别和图像散列的方法

为了使神经网络正确识别魔术卡片，我们需要向其展示每张卡片的样本图像。理论上，我们可以提供每张卡片的完美扫描图像来训练网络，但在现实世界中，当出现图像微妙差异时，网络很可能无法正确识别该卡片。为了解决这个问题，我们的代码会对每张卡片进行多次扭曲，包括旋转、去饱和、对比度调整甚至颠倒等，这些扭曲都是随机的，以便网络能够正确识别不完美拍摄的卡片。对于我们随机选择的100张卡片样本，我已经保存了3张完美扫描图像和7张扭曲图像。这些图像不仅保存在本地以供我们查看，更重要的是它们被转换为神经网络可以解读的单个数组。

搭建神经网络

以下代码块导入所需的库并定义了我们所需的函数。我不打算详细介绍每个函数的工作原理，只是想展示结果。我们需要加载经过精选的Skyfall卡片条目的缩写数据库以及一份有效的多元宇宙ID列表。从这个列表中，我们随机选择100张卡片来用于演示。接下来的步骤需要一些时间，在代码运行时，我将尝试解释正在进行的过程。

测试模型性能

训练完成后，让我们来测试模型的性能。下面的代码块将遍历测试文件夹中的每张卡片，将其提供给神经网络并打印结果。哇，看看模型多快就能处理完所有100张卡片！这次尝试，我使用了所有完美扫描的拷贝。让我们再试一次，这次使用扭曲拷贝。

总结与展望

总的来说，这种方法比之前尝试的光学字符识别和图像散列方法更快、更有效。虽然这个精确的方法不适用于大规模实施魔术卡片识别软件，但我仍希望在未来能够应用它。在下一期视频中，我将更多地关注卡片分拣机的物理设计，之后将更多地关注软件方面的内容。在下方的链接中，我已经提供了注册项目邮箱列表的链接，也请务必订阅，如果您喜欢这个内容的话。这就是我要说的，感谢观看，我们下期再见！

请注意，此文章为人工翻译，可能存在不准确的翻译或使用了不恰当的法语词汇和表达方式，请以原视频内容为准。

FAQ常见问题

Q: 这种方法适用于所有类型的魔术卡片吗？
A: 这种方法适用于魔术卡片的大部分类型，但对于卡片外观相近但具有不同多元宇宙ID的情况，识别可能会有一定困难。

Q: 这个神经网络可以扩展到识别更多魔术卡片吗？
A: 目前我们的神经网络只是识别了100张魔术卡片，并不适用于更大规模的识别任务。要扩展到更多卡片，需要增加样本训练并进行更复杂的模型设计。

Q: 是否可以将这种方法用于其他识别任务？
A: 是的，这种方法可以应用于其他图像识别任务，只需根据特定的数据集进行相应的调整和训练。

参考文献

1. GitHub仓库：Magic Card Sorter
2. 神经网络简介