DeepLabCut使用教程之二--示例：Demo项目

引言

为快速深刻的理解 DeepLabCut，本文按照官方给出的案例做相关的讲解，具体的实践步骤在文件 DeepLabCut/examples/Demo_labeledexample_MouseReaching.ipynb  给出，如有兴趣，可直接参考官方文档。图片是DeepLabCut 的整体流程结构。 

本博客主要内容：
                       --绘制标记图像
                       --训练网络
                       --评估网络
                       --分析一个新的视频
                       --创建一个自动标记的视频
                       --绘制轨迹
                       --识别异常值框架
                       --手动注释异常值帧
                       --合并数据集并更新训练集
                       --训练网络
注意：此笔记本从已初始化的带有标记数据的项目开始。

开始操作:

（限于篇幅只讲解了流程，但没有对文件结构变化及相关的具体含义进行解释说明，有时间续写......）

# 激活环境
source activate deeplabcut-py36

# python 交互环境
python

导入相关库:

import deeplabcut
import tensorflow as tf
import os
from pathlib import Path

导入案例数据库：

加载数据前的文件结构

3 directories,24files

# 路径
path_config_file = os.path.join(os.getcwd(),'DeepLabCut-Felix/examples/Reaching-Mackenzie-2018-08-30/config.yaml')
# 加载数据
deeplabcut.load_demo_data(path_config_file)
# 注意文件夹的 文件变化

# 检查标签数据
deeplabcut.check_labels(path_config_file)