![見出し画像](https://assets.st-note.com/production/uploads/images/32935810/rectangle_large_type_2_e98219c452b8ca3bb21ab7dcc34b6f7e.png?width=1200)
DeepLabCut multi-animal support 6
本記事は、DeepLabCut multi-animal support 5の続きです。
Step 6. Evaluate network
前回「Train network」の学習が終了するとCommand Promptに、
The network is now trained and ready to evaluate.
Use the function 'evaluate_network' to evaluate the network.
と表示されます。次はトレーニング結果を評価します。評価は、 the mean average Euclidean error (MAE)という、二乗平均平方根に比例する指標でおこないます。
「Evaluate network」タブをクリックします。「Specify the shuffle」、「Specify the trainingset index」は、前回の「Train network」でデフォルトの1,0のままであればそのまま1,0でいいです。「Want to plot maps (ALL images)?」はYesにしましょう。推測結果のヒートマップを表示してくれます(下図)。「Want to plot predictions?」をYesに変更します。評価画像に予測部位もラベルしてくれます。すべての部分を比較したいので「Compare all bodypars?」はYes。
ここまで設定したら、「Step1: Evaluate Network」をクリックします。評価が始まります。Command Promptに、
Done and results stored for snapshot: snapshot-50000
のような表示が出たら評価は完了しています。評価された結果は、
C:\Users\(YourUserName)\(Name of the Project) - (Name of the experimenter) - (Date)\evaluation-results
に保存されています。評価の結果をフォルダ内にある画像で確認してみましょう(下図)。
シンボル「+」がご自身でラベルされた位置です。シンボル「●」がDeepLabCutが推測した位置です。DLCによる推測が正しい位置かを確認します。両者の位置のズレを見て許容範囲内であれば次のステップへ、許容できなければ以前のステップに戻りましょう。以前のステップに戻っても、同じことを繰り返しては結果は変わリません。修正・確認するポイントは、
・「Label frames」で、正しい位置にラベルされているか?確認・修正しましょう。ラベル部位が画像に写っていないときは無理にラベルしてはいけません。
・「Train network」で、Command Promptに表示されるlossが収束しているか?確認しましょう。収束していなければ、ラベル位置が不適切か、「Maximum iterations」の回数が少ない可能性があります。
・(オプション)「Refine labels(後のステップ)」で、ラベル画像を追加するのも効果があります。
DeepLabCut multi-animal support 7に続きます。
参考サイト・文献
この記事が気に入ったらサポートをしてみませんか?