scorelens-dd7

Feingetunte Variante von dart-sense (YOLOv8n, Lizenz CC BY-NC 4.0) für FreeDarts/ScoreLens: erkennt auf einem Foto die Kalibrierpunkte eines Steel-Dartboards und die Spitzen der steckenden Darts. 7 Klassen: 20, 3, 11, 6 (Kalibrierpunkte am Doppelring), dart (Spitze), 9, 15 (Zusatzpunkte). Eingabe 800 px.

Training auf Kaggle (T4, Gratis-Kontingent), Warmstart aus dd6, die ersten 5 Backbone-Blöcke eingefroren.

➖ Nicht in die App übernommen. Auf dem alten Benchmark (bench_hard) gleichauf mit dd6; erst der Benchmark v3.1 zeigt, wo dd7 stärker ist: bei echten schweren Würfen (87,1 % – Bestwert aller Modelle) und leicht bei fremden Darts. Die zusätzlichen Roboflow-Bilder bringen Bildvielfalt, sind aber leicht und DeepDarts-ähnlich.

→ Interaktive Rangliste aller Modelle

Trainingsdaten

Datensatz	data7 = Hälfte des data6-Trainings (Zufallsstichprobe) + alle 10.000 Bilder des Roboflow-Satzes score-lpfmv/darts-bjj98 (CC BY 4.0)
Trainingsbilder	62.762 (nach doppelter Gewichtung der seitlichen D2-Fotos)
Validierung	1.579 echte DeepDarts-Bilder, in keinem Training enthalten
Epochen	19 in 3,5 h
Lernrate	0.0003, Cosinus-Abklingen
Bildgröße	800 px

Benchmark v3.1 (8.373 Testbilder, 47 Kategorien)

App-Wertung bildet die zweistufige Erkennung der App nach: erst das Board finden (vier der sechs Kalibrierpunkte, Entzerrung auf 3 mm genau), dann im frontal entzerrten Ausschnitt jeden Dart richtig werten. Ein fehlender, zusätzlicher oder falsch gewerteter Dart macht das Bild falsch.

	Basismodell	dd6	dd7
App-Wertung	33,1 %	42,1 %	43,5 %
… ohne AnyDarts-Fotos	29,7 %	52,5 %	53,6 %
Stufe 1: Board gefunden	61,6 %	87,4 %	86,2 %
Stufe 2: Darts im entzerrten Bild richtig	49,0 %	48,7 %	50,2 %
Exakt im Rohbild (streng)	21,9 %	37,2 %	39,4 %

App-Wertung je Gruppe:

Gruppe	Basismodell	dd6	dd7
Blickwinkel	19,1 %	53,8 %	53,8 %
Licht	30,3 %	47,1 %	48,2 %
Bildqualität	31,8 %	42,3 %	43,8 %
Kombiniert	2,1 %	31,8 %	31,1 %
Echte schwere Würfe	79,5 %	82,6 %	87,1 %
Schwere Würfe, gestört	8,3 %	58,1 %	59,3 %
Dart an Dart	47,2 %	60,3 %	61,7 %
AnyDarts-Fotos	43,0 %	11,9 %	14,0 %

Eigenmessung im Trainingslauf (Spitzen-Recall / Precision bei 10 px Toleranz)

	dd6 (Start)	dd7
DeepDarts-Validierung	97,5 / 98,4 %	98,5 / 98,6 %

Diese Validierung ist seit dd6 gesättigt und unterscheidet die Modelle kaum noch – deshalb der Benchmark v3.1.

Dateien

best.pt (Ultralytics YOLOv8n) · metrics.json (alle Messwerte des Laufs) · results.csv (Verlauf je Epoche)

from ultralytics import YOLO
model = YOLO("best.pt")
result = model.predict("board.jpg", imgsz=800, conf=0.3)[0]

Quellen und Lizenzen

Basismodell dart-sense (CC BY-NC 4.0) · DeepDarts (McNally et al., CVPRW 2021) · Roboflow score-lpfmv/darts-bjj98 (CC BY 4.0) · AnyDarts (nur Testfotos im Benchmark). Nicht kommerziell nutzbar (folgt der Lizenz des Basismodells).