라이브 캡처부터 데이터 정리 및 분석에 이르는 모든 단계가 열 개 공간으로 구성됩니다.

포함 모듈

LumiGap은 화면 픽셀을 읽고 Vision OCR이 텍스트를 해석, Core ML이 ROI/카드/스택을 감지하여 모든 로그를 로컬에 저장합니다.

Poker Log

테이블 캡처, 레이아웃 & ML 모델

실시간 OCR과 rule-based 오버레이.

테이블 레이아웃 설정 및 ML 영역 매핑

대화형 테이블 레이아웃 설정: 현재 포커 테이블의 플레이어 영역 및 보드 카드 영역을 정의합니다. 프리셋을 저장하고 나중에 단 두 번의 클릭으로 즉시 다시 적용할 수 있습니다. 모든 포커 클라이언트 또는 테이블 디자인에 대해 ML 감지를 조정하는 데 사용됩니다.

ML 데이터셋 생성

매니페스트를 스캔하고, 객체 감지 JSON을 생성하고, 카드 분류기 데이터셋을 구축하고, 자르기, 중복 제거 및 Train/Validation 분할을 수행하는 데이터셋 변환 도구입니다. Create ML에서 자신의 고정확도 모델을 만들기 위해 설계되었습니다.

여러 데이터셋 병합

두 개의 호환 가능한 데이터셋(플레이어 영역 감지, 보드 카드 감지 또는 카드 분류)을 단일 통합 데이터셋으로 병합하는 도구입니다. 훈련 세트를 확장하고, 중복을 제거하고, 대규모 ML 데이터셋을 준비하는 데 유용합니다.

데이터셋 설정 + 라이브 내보내기

데이터셋 수집용 제어판: 자동 캡처, 카드 자르기 저장, ML 감지기 임계값 조정, CPU/GPU 모니터링, HTTP를 통해 고정 간격의 전체 테이블 상태(카드, 스택, 베팅, 보드, 팟) 라이브 내보내기.

보드 카드 주석으로 데이터셋 생성

보드 수준 주석 편집기: 카드 경계 상자를 조정하고, 카드 값을 할당하고, 전체 시퀀스에 편집을 적용합니다. 사용자 정의 ML 모델을 위한 정확한 객체 감지 데이터셋 준비에 사용됩니다.

플레이어 카드 주석

플레이어 카드용 정밀 편집기: 카드 영역, 레이블, 값을 조정하고 여러 프레임에 걸쳐 자동 배치 적용 가능. 테이블 레이아웃에 맞춘 맞춤형 ML 모델 훈련에 이상적.

플레이어 토큰 편집

플레이어 이름, 스택, 베팅 토큰 주석. ML 인식 결과 수정, 값 수동 설정, 토큰 복사, 특정 플레이어의 모든 매니페스트에 편집 적용 가능.

게임 결과 시각화

차트 모음: 뱅크롤 성장, 모델별 수익, 월간 승률, 바이인 분포, 활동. 새 세션이 추가되면 차트가 자동으로 업데이트됩니다.

세션 관리 및 핵심 분석

메인 트래커 패널: 유형 및 모델별 필터링된 상세 세션 목록, 주요 지표 개요, 수익 분석, 내장 성능 차트.

ROI 오버레이, 샘플링 빈도, 외부 감지기를 연구 목적에 맞게 구성.