Видеорегистрация в поведенческих экспериментах стала доступной как никогда. Камеры не устают, не отвлекаются и позволяют пересматривать детали сотни раз. Но вместе с удобством пришла и новая проблема: видеоданных стало так много, что вручную их уже не разобрать.
«Классические» трекеры решили эту задачу частично. Они автоматически находили животное в кадре и выдавали координаты его центра масс. Это позволило измерять пройденные расстояния, скорость, время в зоне. Но цена автоматизации оказалась высока: живое существо со сложным поведением превращалось в точку. Контакт с объектом или мышь просто пробегала мимо? Для трекера, следящего за центром масс, разницы нет — он фиксирует лишь факт нахождения рядом. А когда животные перекрываются или объект скрыт из виду, трекер и вовсе теряет цель.
Сегодня ситуация изменилась. Модели машинного обучения научились детектировать не просто объект, а отдельные части тела: нос, лапы, уши, хвост. И это не просто улучшение точности — это переход от вопроса «где находится объект?» к вопросу «что он делает?».
Один из самых доступных инструментов для такой работы — DeepLabCut (DLC). Он полностью бесплатный, не требует от вас глубоких знаний программирования, но предполагает минимальную техническую базу:
Мы сами используем DLC в работе и знаем, где возникают типичные сложности. Этот модуль – попытка сберечь ваше время и провести вас по пути от установки до получения первых треков. Без перегруза, только то, что реально нужно для старта.