DeepLabCut：无标记深度学习在动物姿态估计和行为跟踪中的应用-含Python源码

简介：
《DeepLabCut》是一部介绍如何利用无标记深度学习技术进行动物姿态估计与行为跟踪的研究著作。书中提供了详细的Python源代码，帮助读者深入理解和实践这一前沿技术。 DeepLabCut 是一个工具箱，用于对执行各种任务的动物进行无标记姿势估计，并且现在支持多动物姿态估计（测试版）。该文档提供了安装指导、过程概述以及项目管理的管道和工作流程介绍。我们还提供了一个 Nature Protocols 论文中的分步用户指南。 演示代码方面，我们准备了几个 Jupyter Notebook：一个引导您使用演示数据集来验证您的 DeepLabCut 安装是否正确；另一个则帮助您在自己的数据上运行该工具箱。此外，我们也展示了如何在 Docker 和 Google Colab 上操作这些代码。 为什么要选择 DeepLabCut？2018 年时我们证明了它能够追踪果蝇的各种行为，包括它们的觅食、内部导航以及产卵过程中的动作（详见 Mathis 等人的研究）。然而，该工具箱并非专门针对特定任务或物种设计。因此，DeepLabCut 可以适用于广泛的动物姿势估计和行为跟踪应用中。