DeepLabCut:开源AI精准追踪动物运动体态,极少训练数据即达人级精度
哈佛大学和图宾根大学开发DeepLabCut,基于迁移学习的无标记姿态估计工具,仅需约200帧标注即达人级精度追踪移动物种体部。预训练于ImageNet的深度神经网络特征检测器,微调后能定位广泛实验相关体部。
四阶段工作流程
- 从视频提取多帧用于标注
- 用标签生成训练数据
- 按需求特征集训练神经网络
- 从未标注数据提取特征位置
NVIDIA Titan Xp/GTX 1080 Ti GPU加速TensorFlow,可处理682×540帧@30fps。支持自适应裁剪输入帧、调整网络架构提速,提供基于姿态估计的实时反馈。
跨物种通用性与应用价值
无需计算身体模型、时间数据、火柴人或复杂推理算法,可快速部署应对定性不同的计算机视觉挑战。已在果蝇、小鼠、马验证,无物种限制。视频追踪揭示生物力学新知、理解大脑功能;人类应用可改进物理治疗、助运动员突破极限。
工业技术