#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。

同类热门项目