ABOUT THIS ENTRY
关于 DeepLabCut
通过深度学习从视频中估计用户定义的动物或其他对象关键点位置的开源无标记姿态分析工具箱。它面向“从实验视频中提取动物姿态关键点并支持后续行为分析”这一类科研任务，可通过Python、Windows、macOS、Linux、GPU使用。本站将其归入生物与医学，相关能力标签包括姿态估计、行为分析。
适合先定义与研究问题对应的身体或对象关键点，在覆盖姿态、个体、背景和成像条件的代表性视频帧上进行标注，再训练和评估姿态模型并批量分析视频。应保存原始视频、标注修订、训练配置、数据划分、模型检查点、过滤与校准参数，并对低置信度、遮挡和域外片段进行人工检查。
DeepLabCut 适合哪些科研任务？
- 从视频中估计动物或对象关键点
- 分析单个或多个动物的无标记姿态
- 为运动学与行为研究生成时间序列坐标
选择与使用建议
建议先用不含敏感信息的小型任务试用，检查输出是否可追溯、能否导出，以及是否适合你所在团队的工作流。涉及论文结论、统计分析或专业模型时，应保留原始来源、参数和人工复核记录。
- 关键点精度取决于标注质量和训练数据覆盖；遮挡、运动模糊、相机变化及新个体会造成域偏移，平均误差不能替代逐场景检查
- 姿态坐标不等于行为类别或生物学解释；核心代码主要采用 LGPL-3.0，而 SuperAnimal 预训练模型另有限于研究和非商业使用的条款
姿态估计行为分析
最后核验：2026-09-18
资料来源：官方来源 ↗
工具功能、价格与政策可能变化，请以官方页面为准。