[DeepLabCut] 처리 과정(process flow)

1. 기초(Basic)

 

1. 프로젝트 생성 2. config.yaml 파일 수정 3. 프레임 추출 4. 프레임 라벨링

1. *.csv -> *.h5 변환 2. training dataset 생성 3. 네트워크 학습

1. 네트워크 평가 * ResNet-50, ResNet-101, ResNet-101ws, MobileNet, EfficientNet 제공

1. 적용 2. 결과물 영상 생성 3. 결과 분석

* 영상과 라벨링을 커스터마이징 할 경우 적용

2. 알고리즘(Algorithm)

3. 프로젝트 생성시 폴더 구조

* labeled-data폴더의 하위 구조는 반드시 맞춰주어야 한다.

 

4. config.yaml 파일 수정 [Optional]

A. 주요 수정 항목

• Task: [Title]
• scorer: [Experimenter]
• date: [Date]
• multianimalproject: false
• project_path: [절대경로]
• video_sets: [공백][경로]/[Video_Title].mp4:
• bodyparts:
  • [part1]
  • [part2]
  • ...

* [Video_Title]은 labeled-data 폴더 내부의 폴더명과 동일해야 함

* video_sets의 경로가 너무 길면 문자열이 깨짐

 

B. 기타 항목

 

C. 예시

    # Project definitions (do not edit)
Task: PetCare
scorer: cklee
date: Jul27
multianimalproject: false
identity:

    # Project path (change when moving around)
project_path: /media/cklee/workspace/Pet/PoseEstimation/DeepLabCut/PetCare-cklee-2021-07-27

    # Annotation data set configuration (and individual video cropping parameters)
video_sets:
 ./labeled-data/20201117_dog-walkrun-002803.mp4.mp4:
 ./labeled-data/20201117_dog-walkrun-002853.mp4.mp4:
 ./labeled-data/20201118_dog-walkrun-000288.mp4.mp4:
bodyparts:
- nose
- forehead
- mouth-corner
- mouth-center
- neck
- foreleg-right
- foreleg-left
- foreleg-right-ankle
- foreleg-left-ankle
- hindleg-right
- hindleg-left
- hindleg-right-ankle
- hindleg-left-ankle
- tail-start
- tail-end
start: 0
stop: 1
numframes2pick: 20

    # Plotting configuration
skeleton:
- - nose
  - forehead
- - nose
  - mouth-center
- - mouth-center
  - mouth-corner
- - forehead
  - neck
- - neck
  - tail-start
- - tail-start
  - tail-end
- - neck
  - foreleg-right
- - neck
  - foreleg-left
- - foreleg-right
  - foreleg-right-ankle
- - foreleg-left
  - foreleg-left-ankle
- - tail-start
  - hindleg-right
- - hindleg-right
  - hindleg-right-ankle
- - tail-start
  - hindleg-left
- - hindleg-left
  - hindleg-left-ankle
skeleton_color: white
pcutoff: 0.6
dotsize: 12
alphavalue: 0.7
colormap: rainbow

    # Training,Evaluation and Analysis configuration
TrainingFraction:
- 0.95
iteration: 0
default_net_type: resnet_50
default_augmenter: default
snapshotindex: -1
batch_size: 8

    # Cropping Parameters (for analysis and outlier frame detection)
cropping: false
croppedtraining: false
    #if cropping is true for analysis, then set the values here:
x1: 0
x2: 640
y1: 277
y2: 624

    # Refinement configuration (parameters from annotation dataset configuration also relevant in this stage)
corner2move2:
- 50
- 50
move2corner: true
crop: 0, 2160, 0, 4096

5. pose_cfg.yaml 파일 수정 [Optional]

학습 파라미터 설정할 때 수정