生物时间动作检测
deepethogram的Python项目详细描述
深呼吸图
- 作者吉姆·博恩斯拉夫,除非另有说明
- JBohnslav@gmail.com
DeepEthogram是一个开源软件包,用于将视频的每一帧自动分类为一组预定义的 行为。专为神经科学研究而设计,可用于任何需要检测动作的场景 视频的每一帧。在
示例用例:
- 通过测量瘙痒或抓痒行为来评估野生型和突变型动物之间的差异
- 测量动物求爱的时间,并比较实验条件
DeepEthogram使用最先进的算法进行temporal action detection。我们在前面的机器上构建 动作检测学习研究:
- Hidden Two-Stream Convolutional Networks for Action Recognition
- Temporal Gaussian Mixture Layer for Videos
安装
有关完整的安装说明,请参阅this readme file。在
简而言之:
- install PyTorch
- 安装PySide2:
conda install -c conda-forge pyside2==5.13.2
pip install deepethogram
许可
版权所有(c)2020-哈佛学院院长和研究员。版权所有。在
此软件免费供学术使用。如需商业用途,请联系哈佛理工学院 发展(hms_otd@harvard.edu)与抄送克里斯哈维博士。有关详细信息,请参见license.txt。在
使用
To use the GUI, click
To use the command line interface, click
依赖关系
DeepEthogram的主要依赖关系如下:
- PythorchVision:所有的神经网络、训练和推理管道都是用Pythorch编写的
- pyside2:对于GUI
- opencv:用于视频和图像的读写
- opencv_变换:用于快速图像增强
- scikit learn,scipy:用于二进制分类度量
- matplotlib:绘制度量和神经网络输出
- 熊猫:读写CSV
- h5py:将推理输出保存为HDF5文件
- hydra:用于顺利集成配置文件和命令行输入
- tifffile:用于将神经网络输出写成tiff堆栈
- TQM:为好的进度条
硬件要求
对于GUI的使用,我们希望用户将在一个本地工作站上使用一个好的NVIDIA显卡。为 通过集群进行培训,您可以自己使用CLI。在
- CPU:8核或更多,用于并行数据加载
- 硬盘:固态硬盘,NVMe硬盘更好。在
- GPU:深度图的速度直接关系到GPU的性能。NVIDIA GPU是绝对需要的,正如Pythorch所使用的
CUDA,而AMD没有。
您拥有的VRAM越多,一批处理中可以容纳的数据就越多,这通常会提高性能。一
我建议绝对最低6GB VRAM。8GB更好,最好是10+GB。
推荐的GPU:
RTX 3090
,RTX 3080
,Titan RTX
,2080 Ti
,2080 super
,2080
,1080 Ti
,2070 super
,2070
一些老的也可以,比如1080
或者甚至1070 Ti
/1070
。在
变更日志
- 0.0.1.post1:添加了错误修复和视频转换脚本
- 0.0.1:初始版本
- 项目
标签: