DeepLabCut: открытый ИИ для точного трекинга частей тела животных на видео
Маркерлесс позооценка с переносом обучения
Harvard + Тюбинген: DeepLabCut автоматически отмечает части тела на видео без маркеров. База — DeeperCut (multi-person pose estimation). Перенос обучения: детекторы признаков, предобученные на ImageNet, дообучаются на ~200 размеченных кадрах → точность уровня человека.
Пайплайн (4 этапа)
- Извлечение кадров для разметки.
- Генерация тренировочных данных из меток.
- Обучение NN под нужные признаки (Titan Xp / GTX 1080 Ti + TensorFlow/CUDA).
- Локализация признаков на неразмеченных данных.
Возможности
- Реальная скорость: 682×540 @ 30 fps. Адаптивная обрезка кадров ускоряет.
- Не требует 3D-модели тела, скелета, временных данных.
- Демонстрировано: уши/носовой/хвост мыши, части тела мухи в 3D-камере.
- Применимо к любому виду (проверено на дрозофиле, мышах, лошадях).
Научная и практическая ценность
Биомеханика, нейробиология поведения. У людей — физтерапия, спорт, новые рекорды.
Источник: arXiv:1804.03142 | GitHub
Промышленные технологии
- Руководство новичка по терминологии Open Source
- Как открытое ПО двигает инновации в интернете вещей
- Журнал проекта FirePick Delta: создание открытого микрозавода с OpenPnP
- AT&T и Tech Mahindra запускают Acumos: открытую ИИ-платформу для быстрого развертывания
- Защита открытого ПО в IoT: смягчение программных рисков
- Open Source vs вендор-поддерживаемые инструменты разработки IoT: выбор правильного стека для предприятия
- Почему открытый исходный код движет инновациями на периферии — важная электронная книга
- Открытый исходный код питает рост IoT и периферийных вычислений
- Беспроводное питание от одного источника для нескольких носимых устройств
- Kor-Pak: ведущее комплексное решение для всех ж/д деталей и услуг