board_to_fen

board_to_fen

Python-Paket, das digitales Schachbrettbild in Forsyth-Edwards Notation (FEN) -Stypation umwandelt

Installation

board_to_fen ist auf PYPI verfügbar:

 pip3 install board_to_fen

Schneller Start

 from board_to_fen . predict import get_fen_from_image_path

print ( get_fen_from_image_path ( PATH_TO_CHESSBOARD_IMAGE ))

Oder wenn Sie möchten, können Sie Bildobjekt selbst laden:

 from PIL import Image
from board_to_fen . predict import get_fen_from_image

img = Image . open ( PATH_TO_CHESSBOARD_IMAGE )

print ( get_fen_from_image ( img ))

Hinweis: Das Paket verwendet TensorFlow+Keras -API. Sie sind ziemlich schwer.

Anpassung

get_fen_from_image_path nimmt 3 Argumente:

• Image_path [erforderlich]
• end_of_row '/' standardmäßig
• standardmäßig Black_view False -> TRUE festlegen, wenn Schachbrett aus der Perspektive der schwarzen Player bereitgestellt wird

Webversion (derzeit kann nicht funktionieren)

Verfügbar unter: https://board2fen.bieda.it

Ausbildung

Für das Training möchten Sie wahrscheinlich den Quellcode herunterladen, indem Sie das Repository klonen:

 $ git clone https://github.com/mcdominik/board_to_fen.git

Download Trainingsdaten von:
Ich werde in Zukunft URL für Daten liefern

Im Haupt -Repository -Dir, laufen Sie

 $ python3 ./board_to_fen/train_model.py

Versionsgeschichte

• Januar 2023

  • Versionen 0.0.17-25
  • Einfaches Board -Validierung hinzugefügt
  • Fehlerbehebungen

• Februar 2023 Version 0.1.0-0.1.1

  • Migratation von CV2 nach PIL
  • Neue Funktion für direkte Bildobjektlast
  • Fügen Sie einfache Tests hinzu
  • Fehlerbehebungen

Warnungen

• Das Bild muss in neutralem Winkel (Perspektive des weißen oder schwarzen Spielers) bereitgestellt werden.
• Das Bild muss quadratisch sein (~ 3% Toleranz abhängig von der Bildauflösung).
• Das Bild kann keine Paddings, Brettgrenzen usw. enthalten, außer 64 Quadrate (mit Teilen) selbst.

Referenzen:

https://www.kaggle.com/datasets/koryakinp/chess-positions