Возвращение Chlenix или как сделать свой нейрочит.

зайцевПлюсОдин · 10 июн 2025 в 05:01

Привет.

В этой статье описано краткое руководство по созданию нейрочитов на основе CV YOLO11 на примере дота2.
Панелька Chlenix_V8_turbo_SS

Но начать нужно издалека...

На дворе был 2007 год. Блейзер, эмо, скейтеры, стена в вк... На все эти вещи команде NaVI было все равно. В это время они слишком заняты разносом кабин на арене, Маркелов делает минус 4 через мид на дасте 2 с дзигла, Эдвард с юспа делает легчайшие минус 5, в промежутках между матчами пересчитывая лаванде с призовых... Но мало кто знает, кто стоит за этим на самом деле... CHLENIX.

Как был на самом деле сделан минус 5 с юспа ?

Запуск членикса сопровождался уведомлением противника об использовании чита чтобы ввести противника в большую дизмораль.

Реакция противника не заставляла себя долго ждать...

Именно благодаря CHLENIX безизвестные парни из дервени стали чемпионами мира по cs1.6

Независимое расследование в области Chlenix.

Это вдохновило меня создать новую версию Chelinx для дота2.

Chlenix_V8_turbo_SS.
Чит обучен смотреть на миникарту и давать SS. Теперь можно смело кидать всех в олмут и не думать о том что какой нибудь малолетний пуси дестроер не даст SS или вы его не увидите из за мута. Теперь будет видно все, каждое движение, всех, 9 уебков на миникарте. Если нейросеть определила SS, игрок получает уведомление в панельке + голосовое уведомление.
В качестве CV используется YOLO обученная на своем датасете.

Чит Chlenix_V8_turbo_SS в действии.

Обучение CV YOLO.
На форуме уже есть прекрасная статья по обучению именно этой нейросети. Повторятся не буду. https://lolz.live/threads/6206682/
Единственное, что скажу, 150-200 эпох хватит, зачем вучаев указывает 2500 я хз если честно. Может быть у него датасет неебических размеров и самая жирная модель... Мы это уже вряд ли узнаем.

Сперва нужно собирать датасет. Для этого нужно сделать скрины из последних 5-10 игр. Из каждой игры нужно по 50 скриншотов примерно.
И очень важно указать следующие настройки для миникарты в доте.
Основная проблема заключается в том что 2 героя на одной линии могут стоять очень близко, вследствие чего 1 из 2 героев может быть плохо видно и нейронка будет думать что на линии 1 перс. Для этого выставляется маленький размер героев на миникарте. Вам нужно в точности повторить все настройки как на скрине выше.

Как только собрали датасет, то нужно обрезать все скрины в области миникарты. Для этого я воспользовался ffmpeg. В результате рядом появится папка со всеми миникартами.
for %i in ("C:путь к датасету\*.png") do ffmpeg -i "%i" -vf "crop=280:280:0:1050" "C:путь к датасету\output\%~ni_output.png"

Код
for %i in ("C:путь к датасету\*.png") do ffmpeg -i "%i" -vf "crop=280:280:0:1050" "C:путь к датасету\output\%~ni_output.png"
Далее запускаем обучение на 200 эпохах. Для скромного датасета этого должно хватить.
from ultralytics import YOLO
import multiprocessing

def main():
model = YOLO("yolo11m.pt")
results = model.train(data="data.yaml", epochs=200, imgsz=640)

if __name__ == '__main__':

main()

Python
from ultralytics import YOLO

import multiprocessing



def main():

    model = YOLO("yolo11m.pt")

    results = model.train(data="data.yaml", epochs=200, imgsz=640)



if __name__ == '__main__':



    main()
imgsz=640 - параметр который подает датасет в разрешении 640*640. То есть у вас может быть миникарта в 4к, но в нейронку все будет подаваться в 640*640.
imgsz всегда должен быть кратен 32! Это связано с архитектурой модели.

В результате обучения будут получены веса и графики обучения. Чтобы понять че вы там научили открываете график results.
Вы должны увидеть как графики loss идут вниз, если все так, то вы нормально обучили модель и можно приступать к запуску чита.
Пример нормального обучения.

Пример плохого обучения.
Исходник и настройка Chlenix_V8_turbo_SS.

Сам по себе чит достаточно простенький в реализации. Он работает только с миникартой.
Область с вэбкамерой подается в нейронку, нейронка умеет детектить всех персов, которые находятся в зоне вижна по всей карте.
Миникарта размечена областями top, mid, bot. Именно по этим областям чит ориентируется ушел враг с линии или нет.
Если хотя бы 1 враг пропал с линии и его не видно в соответствующей области на протяжении 5 секунд, чит подает сигнал об SS и точно указывает линию + голосовое уведомление.
import cv2
from ultralytics import YOLO
from collections import defaultdict
import time
import threading
import numpy as np
import mss
from playsound import playsound
import os

# Настройки
MIN_ENEMY_TIME = 6 # сек отсутствия одного из врагов для триггера SS
CONFIDENCE_THRESHOLD = 0.17 # Порог уверенности детекции
INFO_PANEL_WIDTH = 300 # Ширина информационной панели

AUDIO_FILES = {
"top": "ssTop.mp3",
"mid": "ssMid.mp3",
"bot": "ssBot.mp3"
}

for zone, file in AUDIO_FILES.items():
if not os.path.exists(file):
print(f"Аудиофайл {file} не найден!")

# Инициализация
model = YOLO("bestChlenix.pt")

# Определите область для захвата миникарты
MINIMAP_X, MINIMAP_Y, MINIMAP_W, MINIMAP_H = 0, 800, 280, 280

ZONES = {
"top": {"x1": 10, "y1": 10, "x2": 80, "y2": 130, "max_enemies": 2},
"mid": {"x1": 90, "y1": 110, "x2": 170, "y2": 180, "max_enemies": 1},
"bot": {"x1": 190, "y1": 150, "x2": 278, "y2": 275, "max_enemies": 2}
}

zone_history = {
zone: {
"last_full_detection": 0,
"current_count": 0,
"ss_triggered": False,
"warning_text": "",
"warning_time": 0,
"audio_played": False # Флаг для аудиоуведомлений
}
for zone in ZONES
}

COLORS = {
"top": (0, 255, 0),
"mid": (0, 165, 255),
"bot": (0, 0, 255)
}

def play_audio(zone):
try:
playsound(AUDIO_FILES[zone])
except:
print(f"Не удалось воспроизвести аудио для {zone}")

def show_alert(zone):
zone_history[zone]["warning_text"] = f"SS {zone.upper()}!"
zone_history[zone]["warning_time"] = time.time()

if not zone_history[zone]["audio_played"]:
threading.Thread(target=play_audio, args=(zone,)).start()
zone_history[zone]["audio_played"] = True

def create_info_panel(height, width):

panel = np.zeros((height, width, 3), dtype=np.uint8)
cv2.putText(panel, "all mute SS checker", (10, 30),
cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 255), 1)
return panel

with mss.mss() as sct:
while True:

monitor = {"top": MINIMAP_Y, "left": MINIMAP_X, "width": MINIMAP_W, "height": MINIMAP_H}
img = sct.grab(monitor)
minimap = np.array(img)

minimap = cv2.cvtColor(minimap, cv2.COLOR_BGRA2BGR)

current_time = time.time()

info_panel = create_info_panel(MINIMAP_H, INFO_PANEL_WIDTH)

for zone, coords in ZONES.items():
color = COLORS[zone]
cv2.rectangle(minimap,
(coords["x1"], coords["y1"]),
(coords["x2"], coords["y2"]),
color, 1)
cv2.putText(minimap, zone,
(coords["x1"] + 5, coords["y1"] + 15),
cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1)

results = model.predict(minimap, conf=CONFIDENCE_THRESHOLD)
detections = results[0].boxes.data.cpu().numpy()

current_counts = {zone: 0 for zone in ZONES}

for det in detections:
x1, y1, x2, y2, conf, cls = det
cx, cy = (x1 + x2) / 2, (y1 + y2) / 2

if cls == 0: # Класс врага!!!
for zone, coords in ZONES.items():
if (coords["x1"] <= cx <= coords["x2"] and
coords["y1"] <= cy <= coords["y2"]):
current_counts[zone] += 1

for zone in ZONES:
max_enemies = ZONES[zone]["max_enemies"]
zone_history[zone]["current_count"] = current_counts[zone]

if current_counts[zone] >= max_enemies:
zone_history[zone]["last_full_detection"] = current_time
zone_history[zone]["ss_triggered"] = False
zone_history[zone]["warning_text"] = ""
zone_history[zone]["audio_played"] = False

elif (current_counts[zone] < max_enemies and
current_time - zone_history[zone]["last_full_detection"] > MIN_ENEMY_TIME and
not zone_history[zone]["ss_triggered"]):

print(f"SS WARNING in {zone}!")
threading.Thread(target=show_alert, args=(zone,)).start()
zone_history[zone]["ss_triggered"] = True

y_offset = 60
for zone in ZONES:
count_text = f"{zone}: {current_counts[zone]}/{ZONES[zone]['max_enemies']}"
color = COLORS[zone]

cv2.putText(info_panel, count_text, (10, y_offset),
cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 1)
y_offset += 30

if (zone_history[zone]["warning_text"] and
current_time - zone_history[zone]["warning_time"] < 3):
cv2.putText(info_panel, zone_history[zone]["warning_text"], (10, y_offset),
cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2)
y_offset += 30

detected_frame = results[0].plot()
combined_frame = np.hstack((detected_frame, info_panel))

cv2.imshow("ZaicevPlusOdin_Chlenix_V8_turbo_SS", combined_frame)

if cv2.waitKey(1) & 0xFF == ord('q'):
break

cv2.destroyAllWindows()

Python
import cv2

from ultralytics import YOLO

from collections import defaultdict

import time

import threading

import numpy as np

import mss

from playsound import playsound

import os



# Настройки

MIN_ENEMY_TIME = 6  # сек отсутствия одного из врагов для триггера SS

CONFIDENCE_THRESHOLD = 0.17  # Порог уверенности детекции

INFO_PANEL_WIDTH = 300  # Ширина информационной панели



AUDIO_FILES = {

    "top": "ssTop.mp3",

    "mid": "ssMid.mp3",

    "bot": "ssBot.mp3"

}



for zone, file in AUDIO_FILES.items():

    if not os.path.exists(file):

        print(f"Аудиофайл {file} не найден!")



# Инициализация

model = YOLO("bestChlenix.pt")



# Определите область для захвата миникарты

MINIMAP_X, MINIMAP_Y, MINIMAP_W, MINIMAP_H = 0, 800, 280, 280



ZONES = {

    "top": {"x1": 10, "y1": 10, "x2": 80, "y2": 130, "max_enemies": 2},

    "mid": {"x1": 90, "y1": 110, "x2": 170, "y2": 180, "max_enemies": 1},

    "bot": {"x1": 190, "y1": 150, "x2": 278, "y2": 275, "max_enemies": 2}

}



zone_history = {

    zone: {

        "last_full_detection": 0,

        "current_count": 0,

        "ss_triggered": False,

        "warning_text": "",

        "warning_time": 0,

        "audio_played": False  # Флаг для аудиоуведомлений

    }

    for zone in ZONES

}



COLORS = {

    "top": (0, 255, 0),

    "mid": (0, 165, 255),

    "bot": (0, 0, 255)

}



def play_audio(zone):

    try:

        playsound(AUDIO_FILES[zone])

    except:

        print(f"Не удалось воспроизвести аудио для {zone}")



def show_alert(zone):

    zone_history[zone]["warning_text"] = f"SS {zone.upper()}!"

    zone_history[zone]["warning_time"] = time.time()

 

    if not zone_history[zone]["audio_played"]:

        threading.Thread(target=play_audio, args=(zone,)).start()

        zone_history[zone]["audio_played"] = True



def create_info_panel(height, width):



    panel = np.zeros((height, width, 3), dtype=np.uint8)

    cv2.putText(panel, "all mute SS checker", (10, 30),

               cv2.FONT_HERSHEY_SIMPLEX, 0.6, (255, 255, 255), 1)

    return panel



with mss.mss() as sct:

    while True:



        monitor = {"top": MINIMAP_Y, "left": MINIMAP_X, "width": MINIMAP_W, "height": MINIMAP_H}

        img = sct.grab(monitor)

        minimap = np.array(img)



        minimap = cv2.cvtColor(minimap, cv2.COLOR_BGRA2BGR)



        current_time = time.time()

 

        info_panel = create_info_panel(MINIMAP_H, INFO_PANEL_WIDTH)

 

        for zone, coords in ZONES.items():

            color = COLORS[zone]

            cv2.rectangle(minimap,

                         (coords["x1"], coords["y1"]),

                         (coords["x2"], coords["y2"]),

                         color, 1)

            cv2.putText(minimap, zone,

                       (coords["x1"] + 5, coords["y1"] + 15),

                       cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1)



        results = model.predict(minimap, conf=CONFIDENCE_THRESHOLD)

        detections = results[0].boxes.data.cpu().numpy()

 

        current_counts = {zone: 0 for zone in ZONES}

 

        for det in detections:

            x1, y1, x2, y2, conf, cls = det

            cx, cy = (x1 + x2) / 2, (y1 + y2) / 2

    

            if cls == 0:  # Класс врага!!!

                for zone, coords in ZONES.items():

                    if (coords["x1"] <= cx <= coords["x2"] and

                        coords["y1"] <= cy <= coords["y2"]):

                        current_counts[zone] += 1

 

        for zone in ZONES:

            max_enemies = ZONES[zone]["max_enemies"]

            zone_history[zone]["current_count"] = current_counts[zone]

    

            if current_counts[zone] >= max_enemies:

                zone_history[zone]["last_full_detection"] = current_time

                zone_history[zone]["ss_triggered"] = False

                zone_history[zone]["warning_text"] = ""

                zone_history[zone]["audio_played"] = False

    

            elif (current_counts[zone] < max_enemies and

                  current_time - zone_history[zone]["last_full_detection"] > MIN_ENEMY_TIME and

                  not zone_history[zone]["ss_triggered"]):

        

                print(f"SS WARNING in {zone}!")

                threading.Thread(target=show_alert, args=(zone,)).start()

                zone_history[zone]["ss_triggered"] = True



        y_offset = 60

        for zone in ZONES:

            count_text = f"{zone}: {current_counts[zone]}/{ZONES[zone]['max_enemies']}"

            color = COLORS[zone]

    

            cv2.putText(info_panel, count_text, (10, y_offset),

                       cv2.FONT_HERSHEY_SIMPLEX, 0.6, color, 1)

            y_offset += 30

    

            if (zone_history[zone]["warning_text"] and

                current_time - zone_history[zone]["warning_time"] < 3):

                cv2.putText(info_panel, zone_history[zone]["warning_text"], (10, y_offset),

                           cv2.FONT_HERSHEY_SIMPLEX, 0.6, (0, 0, 255), 2)

                y_offset += 30



        detected_frame = results[0].plot()

        combined_frame = np.hstack((detected_frame, info_panel))

 

        cv2.imshow("ZaicevPlusOdin_Chlenix_V8_turbo_SS", combined_frame)

 

        if cv2.waitKey(1) & 0xFF == ord('q'):

            break



cv2.destroyAllWindows()
Все ключевые настройки вынес в начало кода.
CONFIDENCE_THRESHOLD - Уверенность детекции. Если вдруг нейронка плохо детектит персов, то можно выкрутить пониже, я вообще указал 0.2 и теперь у меня нейросеть думает, что т2 на стороне света это союзник, но в целом это никак не роляет и все остальное детектится нормально.

MIN_ENEMY_TIME - Время отсутствия противника для SS. 4-6 секунд норм, в другие диапазоны нет смысла лезть.

Так же ниже в самом коде есть зоны определяющие какую область экрана подавать в нейросеть, какие области считать топом, мидом и ботом. В целом все очень наглядно и понятно поэтому подобрать сможете сами если мои настройки для вашего разрешения не подходят.

Так же для голосовых уведомлений в директории с члениксом должны находиться 3 аудиофала в формате MP3 (WAV у меня почему то не заработал).
Я их создал через openaiFM. И названия должны быть соответствующие.
AUDIO_FILES = {
"top": "ssTop.mp3",
"mid": "ssMid.mp3",
"bot": "ssBot.mp3"
}

Python
AUDIO_FILES = {

    "top": "ssTop.mp3",

    "mid": "ssMid.mp3",

    "bot": "ssBot.mp3"

}
на 109 строчке есть if cls == 0:
Тут нужно указать номер класса, указывающего на врага, это зависит от того как вы обучали нейросеть. Но если не помните, с помощью этого кода можно вывести все доступные классы и узнать их номера для конкретной модели.
from ultralytics import YOLO
model = YOLO('yolo11n-seg.pt')
classes = model.names
for idx, class_name in classes.items():
print(f"{idx}: {class_name}")

Python
from ultralytics import YOLO

model = YOLO('yolo11n-seg.pt')

classes = model.names

for idx, class_name in classes.items():

    print(f"{idx}: {class_name}")
Видеокарта выше 55 градусов не нагрелась во время игры и работы чита. Так что если кому то будет интересно реализовать, что то похожее юзайте yolo. На CPU она тоже вполне нормально работает, но лучше на GPU.