#68 · 主分类: 计算机视觉
DeepLabCut
animal-pose-estimation
behavior-analysis
deep-learning
deeplabcut
feature-detectors
keypoint-detection
keypoint-tracking
labeling-tool
pose-estimation
toolbox
DeepLabCut的官方实现:利用深度学习对所有动物(包括人类)的用户定义特征进行无标记姿态估计。
项目最后更新:08/28/26
GitHub Stars
5.7K
Forks数量
1.8K
贡献者数量
147
许可证
LGPL-3.0
收录理由
DeepLabCut 是一套相当成熟的端到端工具箱,专门把动物或人的视频转换成身体关键点在每一帧的位置。它把整个流程都收进了一个包:先在图形界面里给少量帧打标注,再用这些标注训练深度网络,最后把模型跑到新视频上。输出的姿态结果可以直接接进后续的行为分析,所以动物行为学、神经科学和生物力学实验室常拿它做无标记的定量追踪。新手不必从零训练,可以在模型动物园里挑一个预训练检测器做微调;卡住的时候,活跃的社区也能帮上忙。如果你打算用自己的数据搭建关键点估计流程,这套工具也提供了很好的参考。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。