DeepLabCut
Implémentation officielle de DeepLabCut : estimation de pose sans marqueurs des caractéristiques définies par l'utilisateur avec l'apprentissage profond pour tous les animaux y compris les humains
Suivez les mouvements et comportements des animaux sans marqueurs en utilisant une boîte à outils d'apprentissage profond.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentImplémentation officielle de DeepLabCut : estimation de pose sans marqueurs des caractéristiques définies par l'utilisateur avec l'apprentissage profond pour tous les animaux y compris les humains
DeepLabCut compte 5.7k étoiles sur GitHub. Il a été forké 1.8k fois. DeepLabCut est écrit principalement en Python. Il est développé activement depuis 2018. DeepLabCut est disponible sous licence LGPL-3.0. Ses principaux thèmes sont : animal-pose-estimation, behavior-analysis, deep-learning, deeplabcut.
Qu'est-ce que DeepLabCut ?
Implémentation officielle de DeepLabCut : estimation de pose sans marqueurs des caractéristiques définies par l'utilisateur avec l'apprentissage profond pour tous les animaux y compris les humains
DeepLabCut est-il open source ?
DeepLabCut est un projet open source. Il est distribué sous licence LGPL-3.0.
DeepLabCut est-il gratuit ?
Oui. DeepLabCut est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même. Sa licence LGPL-3.0 est copyleft : toute version modifiée que vous distribuez doit rester sous la même licence.
Sous quelle licence est DeepLabCut ?
DeepLabCut est disponible sous licence LGPL-3.0.
Dans quel langage DeepLabCut est-il écrit ?
DeepLabCut est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/deeplabcut-deeplabcut.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.