DeepLabCut使用教程之二--示例：Demo项目_deeplabcut evaluate 生成csv 文件-CSDN博客

本文链接：https://blog.csdn.net/JACK_YOUNG007/article/details/88972780

本文详细介绍了如何使用DeepLabCut进行深度学习标注，包括导入库、训练网络、评估、分析视频、创建带标签视频、绘制轨迹、识别异常值帧、手动更正标签、合并数据集和重新训练等步骤。适合初学者跟随操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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

# 路径
path_config_file = os.path.join(os.getcwd(),'DeepLabCut-Felix/examples/Reaching-Mackenzie-2018-08-30/conf