Quality Of Life Improvement KI

Entwicklung und Training einer KI-gestützten Echtzeit-Objekterkennung in Valorant mittels YOLOv11.

Das Projekt

Ziel des Projektes war es, eine Künstliche Intelligenz zu entwickeln, die den aktuellen Bildschirm analysiert und alle taktisch relevanten Objekte des Spiels Valorant erkennt und markiert.

Die Erkennung arbeitet rein auf Basis des aktuellen Frames – sie funktioniert daher sowohl für eine Liveübertragung als auch für Videos und Fotos. Erkannt werden Gegner, Mitspieler und der Spike.

Hauptsächlich dient das Projekt dazu zu beweisen, dass es auch für Privatpersonen möglich ist, Programme zur Objekterkennung zu erstellen und zu trainieren.

Ergebnisse

Messbare Leistung

Das trainierte Modell zeigt überzeugende Ergebnisse bei der Erkennung der relevanten Spielobjekte.

0.82
F1-Score
80%+
Genauigkeit
640px
Auflösung
50
Epochen
Pipeline

Vom Bildschirm zur Erkennung

QOLI arbeitet in einer dauerhaften Schleife mit vier Schritten – alles in Millisekunden.

1
🖥️
Screenshot
MSS liest den Bildschirm direkt aus dem Grafikspeicher aus – ohne Verzögerung.
2
🔬
KI-Analyse
Das Bild wird auf 640×640px skaliert und dem YOLO-Modell übergeben.
3
🎯
Erkennung
Das Modell erkennt Muster und berechnet Positionen und Konfidenz für jedes Objekt.
4
📊
Visualisierung
OpenCV zeichnet farbige Bounding-Boxes um die Objekte im Live-Fenster.