DeeplabCut入门学习笔记

打开anaconda，打开cmd。

1.输入cd +DeeplabCut所在文件地址 UserWarning2.

cd C:\Users\hanhan\Documents\DeeplabCut\DeepLabCut-master

2.conda activate +环境名字 //激活环境

3.然后打开ipython

4. 进入ipython后import deeplabcut as dlc

导入dlc的package后可能会出现futureWarning，这个不用管

5.用dlc.creat_new_project(r'freeexploration‘,r'hanhan’,[r'...\videos\m3v1mp4.mp4'],copy_videos=True)创建工程，工程名字为freeexploration，创建人为hanhan，...\videos\m3v1mp4.mp4表示视频地址。copy_videos=True很重要，如果不加，创建工程里面只有视频的快捷方式，将文件夹上传到google colab会出现视频不存在警告，这个主要是指明将这个文件拷贝到工程文件夹中。

这个是命令创建的配置文件，很重要 ，所有的配置参数都要在这个文件中指定，每一条命令中的第一个参数基本上都是指向这个配置文件。移动工程只需要更改这个文件路径。

打开文件config.yaml

设置所需要检测的部分，四个不够可以自己加，注意：要英文

 

 0表示视频起始，1表示视频结束

表示提取训练图片的数量

将识别部位连接组成骨架，如下图

表示一个连接

骨架颜色，概率阈值（dlc对每个部位预测都有概率，只有概率大于0.6才会被identify），各个部位给出点大小，点透明程度，点配色方案。

模型训练参数，训练和测试比例（95%用来训练），迭代次数指一整个流程的迭代（第一次为0），采用深度网络类型，增加数据方案，不同index指向不同训练阶段的神经网络模型（-1表示最后保存的那个），测试的时候一个batch用到8个数据。

cropping：false  是否用对原始数据裁剪的方式增加数据

croppedtraining：false 是否用这种裁剪方式训练

表示如果需要裁剪，裁剪的大小。

回到cmd输入config_path=之前创建的config.yaml的文件路径

建立数据帧的提取

 自动提取帧。

 执行这个命令导入图片

执行后会出现

 点击load frames选择路径载入图像。

 

一共五张，对于每张图像都要给出label ，zoom放大选中区域，用右键选取点，选错了也没关系，可以左键按住点来拖动。选完一张next选下一张，全部选完后save 然后退出。

执行检查label对不对。

打开对应文件夹看对不对

 随便打开一个

输入dlc.create_training_dataset(config_path,net_type='resnet_50', augmenter_type='imgaug')生成训练数据

打开路径...\dlc-models\iteration-0\fishJun14-trainset80shuffle1\train 里面的pose_cfg.yaml文件里面可以修改训练参数，修改完参数后输入dlc.train_network(path_config_file, shuffle=1, displayiters=100,saveiters=500)开始训练

原视频链接：2.5小时入门DeepLabCut (4) Coding on local PC_哔哩哔哩_bilibili

GitHub上的帮助文档：Multi-animal pose estimation with DeepLabCut: A 5-minute tutorial — DeepLabCushuru