DeepLabCut简介
英国《自然-神经科学》期刊上发表的一篇论文，介绍了一种经过深度学习训练后，实现自动捕捉动物运动的软件DeepLabCut。其精细程度可以跟踪果蝇产卵、伸吻，以及小鼠每一个脚趾的轨迹。美国哈佛大学团队运用一种新型深度学习算法，成功追踪动物运动及行为，其准确度可达到人工水平，而且无需采用追踪标记物或进行费时的手动分析。专家认为，这一成果打开了海量的数据来源之门。
开发该款软件的美国哈佛大学神经科学家夫妇Mackenzie Mathis和Alexander Mathis原本打算研究小鼠对气味的追踪行为，需要在视频里对小鼠鼻头进行标记跟踪。然而，他们没有找到现成的便捷工具，神经科学家常用的闪光标记物也难以用在微小的鼠头上，由此萌生了自己编一款软件的想法。他们选择了一款用于识别人类照片的深度学习框架，改造到动物身上。
Mathis团队首先利用一个大型目标识别图像数据库ImageNet对DeepLabCut进行了预训练，教会系统如何区分不同动物，并识别具体的身体部位，比如小鼠的爪子、斗鱼的鱼鳍。这样可以大大节省后续训练所需的数据。接着，他们教会系统不仅是跟踪某一个身体部位，而是同时捕捉所有的标记部位。这能辅助彼此间的精确定位。最后，团队进行了跨物种的检验和校准，在论文中演示了对果蝇和小鼠两种物种的动作跟踪。
进一步展望未来，原本昂贵而费尽的动作捕捉技术会飞入寻常百姓家。譬如，现在只有顶级运动员才能享受动作捕捉技术，且需要专业人士进行配套的分析。在未来，也许每个人在健身房里就可以在软件的指导下更科学、更有效地锻炼。同理，物理治疗和医疗康复项目中的动作捕捉技术十分昂贵，一些医生只能靠肉眼观察进行主观判断。普适而便捷的视频动作分析将掀开精准医疗史上全新的一页。
DeepLabCut环境搭配
本人环境 Ubuntu 16.04，根据自己电脑显卡分别安装对应版本的NVIDIA，CUDA，Anaconda，Python3.6。相关安装教程比较繁琐耗时，请自寻教程进行安装，需要重申的是注意根据自己的显卡型号安装不同版本。
环境创建命令：
# 在上述环境安装完成的情况下进行：
conda create -n deeplabcut-py36 python=3.6
# 激活环境，之后的操作都是在激活 deeplabcut-py36环境的情况下进行操作
conda activate deeplabcut-py36
# 笔者安装gpu版本，deeplabcut 现阶段只支持 tensorflow 1.8 版本
conda install tensorflow-gpu==1.8
# 安装deeplabcut
pip install deeplabcut
# 注意安装wxPython，负责会出现 No module named 'wx' 报错
# 笔者是先从官网下载 wxPython （注意一定要是 deeplabcut 要求的版本） GitHub有详细说明
pip install (wxPython文件名)
环境检测：
# 在激活 deeplabcut-py36 环境下
# 进入 python 交互环境
:~$ python
>>>import tensorflow as tf
>>>sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
# 如果能够正确显示出GPU信息说明成功
>>>import deeplabcut
# 无报错则说明成功
其他相关命令：
conda info --envs #列出系统中现有的环境
conda remove –n 环境名 –all #移除环境
source activate 环境名 #激活环境
source deactivate # 退出环境
conda create -n deeplabcut-py36 python=3.6 #创建环境
