Top AI Repos — open-source AI, indexed and scored

Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.

EthanH3514/AL_Yolo

👺 基于Yolov5的Apex Legend游戏 AI 辅瞄外挂

35Apache-2.0Python

View on GitHub

Stars: 363
Forks: 54
Watchers: 6
Open issues: 18
Contributors: 3

Star history, last 90 days+3 over 5 snapshots

2026-07-24 · 3602026-08-06 · 363

Star history, last 90 days
Date	Stars
2026-07-24	360
2026-07-25	361
2026-07-28	363
2026-07-30	363
2026-08-06	363

Today

— stars today

This week

— stars this week

This month

— stars this month

Momentum

0.0

growth rate 0.00%/day

From the README

# 一个基于yolov5的Apex Legend AI辅瞄外挂
## 🅿环境依赖
* 罗技驱动(版本不超过21.9)
* python >= 3.10 && python < 3.11
* CUDA 11
* torch >= 2.0
* 更多的依赖在 `requirements.txt` 中

## ♿快速开始
> 默认在windows系统下

#### 配置[scoop](https://scoop.sh/)(非常好用的windows包管理器)
打开PowerShell terminal(version 5.1 or later)
```
> Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
> Invoke-RestMethod -Uri https://get.scoop.sh | Invoke-Expression
```

#### 配置anaconda
```
scoop bucket add extras
scoop install anaconda3
```

#### 创建conda环境并安装依赖
在项目文件夹下

```
conda create -n apex python=3.10
conda activate apex
pip install -r requirements.txt
```
#### 配置cuda、cudnn、pytorch
使用gpu进行推理所必须，配置过程较复杂，请去搜索专门的资料

#### 安装罗技驱动
提供一份2021.9版本，仅供学习

#### 运行
管理员模式打开一个终端
```
python apex.py
```

### 模型训练
#### 数据集地址
[https://github.com/goldjee/AL-YOLO-dataset](https://github.com/goldjee/AL-YOLO-dataset)
#### 训练方法
使用[Yolov5](https://github.com/ultralytics/yolov5) 的train.py文件，修改数据集路径参数
#### 训练日志
![log](https://user-images.githubusercontent.com/103171084/240091844-4bfd3af3-9d92-412e-8697-6d3ec8adc904.png)

训练日志以及过程的数据存放在`exp`目录下
### 屏幕捕捉
~~使用[DXcam](https://github.com/ra1nty/DXcam)截图来替代yolov5自带的mss截图，将截图时间从15ms优化到5ms~~

使用[Dxshot](https://github.com/AI-M-BOT/DXcam/releases)将截图时间进一步优化

注意：因为是通过屏幕截图的方式来获取的图像，所以屏幕刷新率会限制FPS的上限

### 鼠标控制
#### 如何控制鼠标

加入了win函数控制鼠标移动的选项，但是在训练场里试了试没有效果，有可能游戏更新之后已经把这个给修复掉了(？)，而且正常情况下win函数的效率太低，所以默认还是鼠标驱动控制鼠标

#### 鼠标移动函数
![](https://user-images.githubusercontent.com/103171084/241761731-2293a5f2-6421-4d37-b353-d6ec7ea2ccc7.png)

暂时没想出来如何将鼠标直接移过去，网上也找不到前人的经验。

基于内存的外挂自瞄原理是可以拿到三维坐标，直接修改方向角来瞄准敌人，而基于计算机视觉的外挂只能拿到目标在屏幕上的投影，这是一个二维坐标，要解算出移动的向量很依赖游戏底层的参数(视场角等，详见[issue](https://github.com/EthanH3514/AL_Yolo/issues/3))，目前还没想明白怎么一帧锁敌，也许将来会去实现。

况且一帧锁敌会大大提高被检测的风险性，实现的价值不大，短期内不会再向这个方向去努力了。

目前采用的是将准星逐步移动到目标身上的方法，牺牲了一点点效率，达到了准星吸附一样的效果。

update: 将fov的算法初步投入使用，效果还不错

### 🤔如何使用
- 将代码下载到本地
- 部署环境依赖
- 管理员模式打开一个终端，进入项目文件夹下运行`python apex.py`

### 🎯后续改进

- [x] 截图方式优化
- [ ] ~~推理文件多线程并行~~(python多线程没啥用)
- [ ] 加入PID平滑控制鼠标
- [ ] tensorrt推理加速
- [x] 添加自瞄开关（2024.4.10更新 添加了使用键盘PgUp和PgDn控制开关）
- [x] 取消对驱动的依赖
- [x] 多目标识别优先级判断
- [x] 项目架构优化
- [x] 对不同机器参数自适应
- [ ] 推理部分C++重写
- [ ] 数据集清洗，扩充，加入敌我识别 （2024.4.10更新 添加了用于判断敌我的标签，需敌我数据集重训模型）
- [x] 做个前端
- [ ] 生成安装包
- [ ] ~~一帧拉枪~~(太难，与内存挂原理不同)
- [-] 支持更多YOLO系列模型 （2024.4.10更新 目前测试了v8可用，但是为了最小化修改，不是很优雅的实现）

### 🤩如果有帮到你就点一个star吧

## 🎉Star History

[![Star History Chart](https://api.star-history.com/svg?repos=EthanH3514/AL_Yolo&type=Date)](https://star-history.com/#EthanH3514/AL_Yolo&Date)

Excerpt of 2,496 characters

Read on GitHub

Top contributors

No contributor data yet — it is fetched during the contributor sync pass.

Quality score

Would you bet a product on this? Bounded 0–100 and slow moving.

35/10035

Maintenance: 5%; How recently the default branch was pushed to
Releases: 25%; Recency and cadence of tagged releases
Community: 12%; Contributor breadth and bus factor
Issue backlog: 60%; Open issues measured against the size of the audience
Documentation: 55%; README depth, plus a homepage and topics
Licensing: 100%; How freely the code can be adopted

What to know before adopting

No commits in over a year
No tagged releases
Bus factor of 1 — one contributor dominates
Usable in commercial products with attribution.

Details

Created: 3 years ago
Last push: 2 years ago
Last release: none
Release tag: —
Releases in the last year: 0
Default branch: master
Size: 134k KB
Owner type: User
Owner location: Shanghai, China
Discovered via: topic:yolo
First indexed: 13 days ago
Last synced: 7 days ago

EthanH3514/AL_Yolo

👺 基于Yolov5的Apex Legend游戏 AI 辅瞄外挂

35Apache-2.0Python

View on GitHub

Stars: 363
Forks: 54
Watchers: 6
Open issues: 18
Contributors: 3

Star history, last 90 days+3 over 5 snapshots

2026-07-24 · 3602026-08-06 · 363

Star history, last 90 days
Date	Stars
2026-07-24	360
2026-07-25	361
2026-07-28	363
2026-07-30	363
2026-08-06	363

Today

— stars today

This week

— stars this week

This month

— stars this month

Momentum

0.0

growth rate 0.00%/day

From the README

# 一个基于yolov5的Apex Legend AI辅瞄外挂
## 🅿环境依赖
* 罗技驱动(版本不超过21.9)
* python >= 3.10 && python < 3.11
* CUDA 11
* torch >= 2.0
* 更多的依赖在 `requirements.txt` 中

## ♿快速开始
> 默认在windows系统下

#### 配置[scoop](https://scoop.sh/)(非常好用的windows包管理器)
打开PowerShell terminal(version 5.1 or later)
```
> Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser
> Invoke-RestMethod -Uri https://get.scoop.sh | Invoke-Expression
```

#### 配置anaconda
```
scoop bucket add extras
scoop install anaconda3
```

#### 创建conda环境并安装依赖
在项目文件夹下

```
conda create -n apex python=3.10
conda activate apex
pip install -r requirements.txt
```
#### 配置cuda、cudnn、pytorch
使用gpu进行推理所必须，配置过程较复杂，请去搜索专门的资料

#### 安装罗技驱动
提供一份2021.9版本，仅供学习

#### 运行
管理员模式打开一个终端
```
python apex.py
```

### 模型训练
#### 数据集地址
[https://github.com/goldjee/AL-YOLO-dataset](https://github.com/goldjee/AL-YOLO-dataset)
#### 训练方法
使用[Yolov5](https://github.com/ultralytics/yolov5) 的train.py文件，修改数据集路径参数
#### 训练日志
![log](https://user-images.githubusercontent.com/103171084/240091844-4bfd3af3-9d92-412e-8697-6d3ec8adc904.png)

训练日志以及过程的数据存放在`exp`目录下
### 屏幕捕捉
~~使用[DXcam](https://github.com/ra1nty/DXcam)截图来替代yolov5自带的mss截图，将截图时间从15ms优化到5ms~~

使用[Dxshot](https://github.com/AI-M-BOT/DXcam/releases)将截图时间进一步优化

注意：因为是通过屏幕截图的方式来获取的图像，所以屏幕刷新率会限制FPS的上限

### 鼠标控制
#### 如何控制鼠标

加入了win函数控制鼠标移动的选项，但是在训练场里试了试没有效果，有可能游戏更新之后已经把这个给修复掉了(？)，而且正常情况下win函数的效率太低，所以默认还是鼠标驱动控制鼠标

#### 鼠标移动函数
![](https://user-images.githubusercontent.com/103171084/241761731-2293a5f2-6421-4d37-b353-d6ec7ea2ccc7.png)

暂时没想出来如何将鼠标直接移过去，网上也找不到前人的经验。

基于内存的外挂自瞄原理是可以拿到三维坐标，直接修改方向角来瞄准敌人，而基于计算机视觉的外挂只能拿到目标在屏幕上的投影，这是一个二维坐标，要解算出移动的向量很依赖游戏底层的参数(视场角等，详见[issue](https://github.com/EthanH3514/AL_Yolo/issues/3))，目前还没想明白怎么一帧锁敌，也许将来会去实现。

况且一帧锁敌会大大提高被检测的风险性，实现的价值不大，短期内不会再向这个方向去努力了。

目前采用的是将准星逐步移动到目标身上的方法，牺牲了一点点效率，达到了准星吸附一样的效果。

update: 将fov的算法初步投入使用，效果还不错

### 🤔如何使用
- 将代码下载到本地
- 部署环境依赖
- 管理员模式打开一个终端，进入项目文件夹下运行`python apex.py`

### 🎯后续改进

- [x] 截图方式优化
- [ ] ~~推理文件多线程并行~~(python多线程没啥用)
- [ ] 加入PID平滑控制鼠标
- [ ] tensorrt推理加速
- [x] 添加自瞄开关（2024.4.10更新 添加了使用键盘PgUp和PgDn控制开关）
- [x] 取消对驱动的依赖
- [x] 多目标识别优先级判断
- [x] 项目架构优化
- [x] 对不同机器参数自适应
- [ ] 推理部分C++重写
- [ ] 数据集清洗，扩充，加入敌我识别 （2024.4.10更新 添加了用于判断敌我的标签，需敌我数据集重训模型）
- [x] 做个前端
- [ ] 生成安装包
- [ ] ~~一帧拉枪~~(太难，与内存挂原理不同)
- [-] 支持更多YOLO系列模型 （2024.4.10更新 目前测试了v8可用，但是为了最小化修改，不是很优雅的实现）

### 🤩如果有帮到你就点一个star吧

## 🎉Star History

[![Star History Chart](https://api.star-history.com/svg?repos=EthanH3514/AL_Yolo&type=Date)](https://star-history.com/#EthanH3514/AL_Yolo&Date)

Excerpt of 2,496 characters

Read on GitHub

Top contributors

No contributor data yet — it is fetched during the contributor sync pass.

Quality score

Would you bet a product on this? Bounded 0–100 and slow moving.

35/10035

Maintenance: 5%; How recently the default branch was pushed to
Releases: 25%; Recency and cadence of tagged releases
Community: 12%; Contributor breadth and bus factor
Issue backlog: 60%; Open issues measured against the size of the audience
Documentation: 55%; README depth, plus a homepage and topics
Licensing: 100%; How freely the code can be adopted

What to know before adopting

No commits in over a year
No tagged releases
Bus factor of 1 — one contributor dominates
Usable in commercial products with attribution.

Details

Created: 3 years ago
Last push: 2 years ago
Last release: none
Release tag: —
Releases in the last year: 0
Default branch: master
Size: 134k KB
Owner type: User
Owner location: Shanghai, China
Discovered via: topic:yolo
First indexed: 13 days ago
Last synced: 7 days ago

Top AI Repos — open-source AI, indexed and scored

EthanH3514/AL_Yolo

From the README

Top contributors

Quality score

What to know before adopting

Categories

Details

EthanH3514/AL_Yolo

From the README

Top contributors

Quality score

What to know before adopting

Categories

Details

Top AI Repos — open-source AI, indexed and scored

Trend

From the README

Top contributors

Quality score

What to know before adopting

Categories

Details

Trend

From the README

Top contributors

Quality score

What to know before adopting

Categories

Details