微信跳一跳高分有绝招，这绝招不可错过哦

最近也很多朋友问我，跳一跳怎么玩。 甚至有些朋友微信上连微信小程序都没有。

想玩怎么办？

微信版本更新到最新版本，升级后打开微信直接就可以点击进去玩了。如果关闭了，就可以直接从微信发现界面最底部小程序点击进去直接搜跳一跳，点击进去继续玩。

如果手机里没有小程序可以，找一个小程序使用后，然后在发现页面底部最下面小程序 点击进去搜跳一跳。

最简单的方法叫你朋友直接分享给你。怎么分享

这是为了纪念微信用户数突破1亿，从无到有，从零到亿的433个日夜。

在这433天里，微信发布了4个平台共50多个版本更新，平均每10天更新一次、从开始的11人小团队，发展到80人、投入了上千台服务器…

在微信总部TIT创意园也有一个相似的433天纪念板，这就是跳一跳里433方块的设计来源。

拿高分技巧——牛

随着越来越多的人了解技术，微信跳一跳一出来第一批知道的人一定是技术人员，他们出于本能反应，有些人会好奇他是怎么实现的，甚至有些人会觉得很简单，些了通过技术手段去玩为了拿到好的排名。

有些技术人员后来准备用代码写个辅助工具，不到5天差不多5K的stars，已经有人做出来了，以后还会更多，简直可怕。

我发现他们基本思路都差不多：

用adb调试手机，获取截图；

从截图中识别棋子和目标块的中心点位置；

根据距离计算长按时间，系数和屏幕分辨率相关；

用adb模拟长按，完成跳跃。

有些人感叹：唉，多么可惜，错过了一个好项目。

既然别人已经实现了，那就尝试点不一样的，用深度学习解决一下。

基本思路

基本流程类似，唯一的区别在于如何获取棋子和目标块的中心位置。

假如长按时间只取决于棋子和目标块的水平位置，那么只需要知道它们水平方向上的坐标即可。

可以看作一个物体检测问题，检测出截图中的棋子等物体，这里假设共包含七类物体：

棋子：chess

彩蛋块：包括污水 waste、魔方 magic、商店 shop、音乐盒 music

普通块：包括矩形块 rect、圆形块 circle

模型实现

我手动标注了500张截图，基于模型和物体检测API，训练好的模型跑起来是这么个结果。

可以看到截图中的棋子、魔方、矩形块、圆形块都被检测了出来，每个检测结果包括三部分内容：

物体位置，用矩形标注，对应四元组 ymin、xmin、ymax、xmax；

物体类别，为以上七类中的一种；

检测置信度，越高说明模型对检测结果越有把握。

这不仅仅是简单的规则检测，而是真正看到了截图中共有哪几个物体，以及每个物体分别是什么。

所以接下来，就只需从检测结果中取出棋子的位置，以及最上面一个非棋子物体，即目标块的位置。

有了物体的边界轮廓，取中点即可得到棋子和目标块的水平坐标，这里进行了归一化，即屏幕宽度为1，距离在0至1之间。然后将距离乘以一个系数，作为长按时间并模拟执行即可。

运行结果

看起来很不错，实际跑分结果如何呢？

大概只能达到几百分，问题出在哪？

主要是标注数据太少，模型训练得不够充分，所以检测结果不够准确，有时候检测不出棋子和目标块，而一旦出现这类问题，分数必然就断了。

尝试了以下方法，将一张截图朝不同的方向平移，从而得到九张截图，希望提高检测结果的召回率，但仍然有检测不出来的情况，也许只有靠更多的标注数据才能解决这一问题。

规则检测

模型训练了20W轮，依旧存在检测不出来的情况，郁闷得很，干脆也写一个基于规则的简单版代码好了。

花了不到20分钟写完代码，用提取边缘，然后检测棋子和目标块的水平中心位置，结果看起来像这样。

事实证明，最后跑出来的分数，比之前的模型要高多了……

说好的深度学习呢？

总结

面对以下情况时，基于人工经验定义规则，比用深度学习训练模型要省力、有效很多：

问题本身比较简单，不需要复杂的抽象；

标注数据比较有限，难以充分训练模型；

错误惩罚很高，对错误不能容忍。即便模型在99%的情况下能完美运行，1%的错误立马让游戏直接结束了，此时反而不如hard code的规则靠谱。

当然，如果大家能一起努力，多弄些标注数据出来，说不定还有些希望。

不说了，我继续刷分去了，用后面写的不到一百行的代码……

以上部分内容来自:张宏伦

有些人员甚至自己写跳一跳的游戏脚本，甚至有些人员为了拿到高的分数好的排名甚至去买跳一跳的游戏脚本，所以有时候看到那些分数很高的不一定是真的常规玩法，不过有一点他们的确很聪明善于借助工具和自身知识达到自己想要的效果的。

这种方法了解一下就好，不要真的用这种方法来获得高分，拿取排名。这方法很危险，可能会被封号。