我的自描外挂制作日志——FPS类游戏的自瞄【优化改进2】

简介: 我的自描外挂制作日志——FPS类游戏的自瞄【优化改进2】

前言

  在优化改进1中我们在功能点上实现了获取游戏显示画面与自描触发机制并不显示,今日份的更新结果将要达到如下效果:

  1. 能够快速完成游戏画面的获取,包括但不限于全屏与自定义屏;
  2. 对游戏画面目标物判断处理速率应该与显示器画面更新频率控制在10以内;
  3. 对目标人物中心点坐标进行鼠标移动的速率应当控制在0.01s之内;
  4. 建立起一种机制能够完美适配所有窗口画面。

需求分析

针对效果1&4进行分析:

  对需要完成的效果1进行分析并综合考虑后面的目标提取时输出的坐标为以图像为基准计算的坐标。当游戏窗口为适配显示器屏大小时,此时计算出来的坐标恰好为目标检测的人物坐标;当游戏窗口不是适配显示器屏大小时,我们可以采取如下方案:

1. 将游戏窗口的左上角置于显示屏的左上角,使这二者重合,这样在计算目标的坐标的时候也能够使输出的人物目标坐标没有偏差;

2. 在开启游戏后打开“自描”程序,在程序的开端添加一个ROI区域获取,使屏幕截取部分为目标检测的输入,但是此时需注意的时此时计算的坐标为你画的ROI区域,然而在计算坐标的时候是会以整张显示器显示的坐标系下计算的,这个时候需要在代码中添加一个ROI区域的左上角坐标与显示器左上角坐标的差值,那么我们在计算目标坐标的位置时能对应起显示器的坐标了,确保了鼠标控制的准确性。

  考虑到计算量以及便于使用者操作,对上述两个方案进行比对,对外优选方案1,对内则无所谓。

针效果2&3进行分析

  这两个效果优化的实现需要无情的对GPU&CPU进行压榨了,大体上可以分为如下的几个方面进行优化:

1. 采用轻量型的主干网络,例如Xception进行替代,由于我们仅仅只对一类目标进行目标检测,因此绝大多数的网络都可以满足,如果网络学习能力欠佳的话,后面还可以采用增加数据样本以及扩增来完成实现准确率的提升;

2. 经实验比对:pyautogui 进行控制鼠标移动较为缓慢,现在将其替换,更改为更优于pyautogui 的控制鼠标移动的库;

3. 开辟线程池,新增父子线程控制(由于大部分时间不并不一定需要使用“自描”)。

结束语

  今日份更新就到这里了,以上就是我今日思考即将准备完成的“自描”外挂优化方案了。欢迎大家提出更加完美的优化改进的地方!


相关实践学习
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
【涂鸦即艺术】基于云应用开发平台CAP部署AI实时生图绘板
相关文章
|
10月前
|
SQL 存储 监控
SQL日志优化策略:提升数据库日志记录效率
通过以上方法结合起来运行调整方案, 可以显著地提升SQL环境下面向各种搜索引擎服务平台所需要满足标准条件下之数据库登记作业流程综合表现; 同时还能确保系统稳健运行并满越用户体验预期目标.
461 6
|
11月前
|
缓存 Java 应用服务中间件
Spring Boot配置优化:Tomcat+数据库+缓存+日志,全场景教程
本文详解Spring Boot十大核心配置优化技巧,涵盖Tomcat连接池、数据库连接池、Jackson时区、日志管理、缓存策略、异步线程池等关键配置,结合代码示例与通俗解释,助你轻松掌握高并发场景下的性能调优方法,适用于实际项目落地。
1879 5
|
监控 容灾 算法
阿里云 SLS 多云日志接入最佳实践:链路、成本与高可用性优化
本文探讨了如何高效、经济且可靠地将海外应用与基础设施日志统一采集至阿里云日志服务(SLS),解决全球化业务扩展中的关键挑战。重点介绍了高性能日志采集Agent(iLogtail/LoongCollector)在海外场景的应用,推荐使用LoongCollector以获得更优的稳定性和网络容错能力。同时分析了多种网络接入方案,包括公网直连、全球加速优化、阿里云内网及专线/CEN/VPN接入等,并提供了成本优化策略和多目标发送配置指导,帮助企业构建稳定、低成本、高可用的全球日志系统。
1480 55
|
存储 人工智能 关系型数据库
拥抱Data+AI|解码Data+AI助力游戏日志智能分析
「拥抱Data+AI」系列第2篇:阿里云DMS+AnalyticDB助力游戏日志数据分析与预测
拥抱Data+AI|解码Data+AI助力游戏日志智能分析
|
监控 安全 BI
优化 Apache 日志记录的 5 个最佳实践
Apache 日志记录对于维护系统运行状况和网络安全至关重要,其核心包括访问日志与错误日志的管理。通过制定合理的日志策略,如选择合适的日志格式、利用条件日志减少冗余、优化日志级别、使用取证模块提升安全性及实施日志轮换,可有效提高日志可用性并降低系统负担。此外,借助 Eventlog Analyzer 等专业工具,能够实现日志的高效收集、可视化分析与威胁检测,从而精准定位安全隐患、评估服务器性能,并满足合规需求,为强化网络安全提供有力支持。
384 0
优化 Apache 日志记录的 5 个最佳实践
|
关系型数据库 MySQL
图解MySQL【日志】——磁盘 I/O 次数过高时优化的办法
当 MySQL 磁盘 I/O 次数过高时,可通过调整参数优化。控制刷盘时机以降低频率:组提交参数 `binlog_group_commit_sync_delay` 和 `binlog_group_commit_sync_no_delay_count` 调整等待时间和事务数量;`sync_binlog=N` 设置 write 和 fsync 频率,`innodb_flush_log_at_trx_commit=2` 使提交时只写入 Redo Log 文件,由 OS 择机持久化,但两者在 OS 崩溃时有丢失数据风险。
439 3
|
JSON 安全 API
.net 自定义日志类
在.NET中,创建自定义日志类有助于更好地管理日志信息。示例展示了如何创建、配置和使用日志记录功能,包括写入日志文件、设置日志级别、格式化消息等。注意事项涵盖时间戳、日志级别、JSON序列化、线程安全、日志格式、文件处理及示例使用。请根据需求调整代码。
347 13
|
JSON 监控 JavaScript
Node.js-API 限流与日志优化
Node.js-API 限流与日志优化
|
存储 人工智能 关系型数据库
拥抱Data+AI|玩家去哪儿了?解码Data+AI如何助力游戏日志智能分析
本文为阿里云瑶池数据库「拥抱Data+AI」系列连载第2篇,基于真实客户案例和最佳实践,探讨如何利用阿里云Data+AI解决方案应对游戏行业挑战,通过AI为游戏行业注入新的活力。文章详细介绍了日志数据的实时接入、高效查询、开源开放及AI场景落地,展示了完整的Data+AI解决方案及其实际应用效果。
|
Arthas 监控 Java
JVM知识体系学习七:了解JVM常用命令行参数、GC日志详解、调优三大方面(JVM规划和预调优、优化JVM环境、JVM运行出现的各种问题)、Arthas
这篇文章全面介绍了JVM的命令行参数、GC日志分析以及性能调优的各个方面,包括监控工具使用和实际案例分析。
1892 3