科研之友
微信
新浪微博
Facebook
分享链接
摘要
在多人在线战术竞技游戏（MOBA）中，分析对手的行为模式能够极大提高电子竞技胜率。行为识别是行为模式分析的前提，因此准确并高效地识别电子竞技行为成为了一个急需解决的问题。目前在电子竞技中解决行为识别问题主要使用人工标注的方法，但是基于人工标注的方法效率极低。而使用深度学习解决行为识别问题又因为样本数据量过小导致准确率较低。针对以上问题，本研究提出一种基于稠密关系蒸馏和元特征选择的小样本识别网络，采用上下文感知的特征聚合机制识别关键的行为，同时引入多尺度Harris图像配准算法，利用电子竞技地图强对称的特点，提高了有效数据量。实验结果表明，本研究提出的方法有着较高的识别准确率与效率。
-
单位南京信息职业技术学院; 东南大学
