CVChess：将棋盘图像转换为 Forsyth-Edwards 记号的深度学习框架
计算机视觉与模式识别
2025-11-19 v3 机器学习
摘要
疫情后，棋类观众数大幅上升，主要受益于线上学习平台的可及性。然而，针对实体棋局的等效辅助工具并不存在，这导致实体棋与数字棋体验之间的鸿沟。本文提出 CVChess，一个将棋盘图像转换为 Forsyth-Edwards 记号（FEN）的深度学习框架，用于输入到在线棋引擎中，以提供最佳下一步。我们的方法采用带残差层的卷积神经网络（CNN）进行棋子识别，处理来自智能手机摄像头的实体棋盘 RGB 图像。系统经过一系列处理步骤：使用 Hough 直线变换进行边缘检测、进行投影变换以实现俯视角度对齐、分割为 64 个 individual 方格，并通过残差 CNN 将棋子分类为 13 类（6 棋白子、6 棋黑子以及空方格）。残差连接有助于保留低层视觉特征，同时实现更深层特征提取，提高训练期间的准确性和稳定性。我们使用 Chess Recognition Dataset（ChessReD）进行训练和评估，该数据集包含 10,800 张标注好的智能手机拍摄的棋盘图像，覆盖多种光照条件和拍摄角度。生成的分类结果编码为 FEN 字符串，可输入棋引擎生成最优走子。
引用
@article{arxiv.2511.11522,
title = {CVChess: A Deep Learning Framework for Converting Chessboard Images to Forsyth-Edwards Notation},
author = {Luthira Abeykoon and Ved Patel and Gawthaman Senthilvelan and Darshan Kasundra},
journal= {arXiv preprint arXiv:2511.11522},
year = {2025}
}