![見出し画像](https://assets.st-note.com/production/uploads/images/31689134/rectangle_large_type_2_bac13c8220922cebb2515a2b8fbf3a07.png?width=1200)
DeepLabCut - Standalone GUI - 8
本記事は、DeepLabCut - Standalone GUI - 7の続きです。
Step 9. Refine labels
Step 8で抽出した外れ値フレームを修正します。抽出された外れ値フレームは、
C:\Users\(YourUserName)\(Name of the Project) - (Name of the experimenter) - (Date)\labeled-data\m3v1mp4
のフォルダに保存されています。20枚抽出するとなっていますが、実際は、20枚より少ないときもあります。これは、似通った画像は一部しか抽出しないためです。
Refine labelsのタブをクリックします。Okをクリックします。以前使ったことがある、ラベルするためのGUIが出てきます(下図)。
左下のLoad labelsをクリックします。ファイルのパスを求められるので、外れ値フレームを含むフォルダ、
C:\Users\(YourUserName)\(Name of the Project) - (Name of the experimenter) - (Date)\labeled-data\m3v1mp4
の中にある、machinelabels-iter0.h5 という.h5ファイルを選択します(ファイル名は必ずしもmachinelabels-iter0.h5とは限りません)。
外れ値フレームが出てきます。尤度しきい値をいくつにするか求められます。尤度とは、簡単にいうと推測の妥当性のことです。尤度が低いことは、推測が上手く行っていない可能性が高いことを意味します。尤度しきい値以下のラベルは透明に表示されます、しきい値以上のラベルは今まで通り塗りつぶしで表示されます(下図)。しきい値以下の不正確なラベルを見つけやすくするためです。しきい値は自分の求める精度によって変わるので試行錯誤して適当な値を見つけてください。
以前の要領でラベルを修正していきます。修正したいラベルを左クリックでドラッグして移動させます。または、右クリックで削除します。削除はundoできません。注意してください。すべてのフレームを修正できたらSaveをクリックして保存します。「別のファイルも修正しますか?」と訊ねられますが、Noを押します。Quitをクリックしてラベル化GUIを閉じます。
Refine labelsタブで「Merge dataset」タブがactiveになります。クリックしましょう。すると以前、自分でラベルした画像と今回修正した画像が1つのdatasetにmergeされます。
datasetがmergeされ、新しいdatasetが作成されました。勝手に「Creating training dataset」タブに移動していると思います。新しく作成されたdatasetで、再トレーニングをおこないましょう。こちらを参考にして、「Creating training dataset」・「Train network」をおこなってください。前回と同じ設定でいいと思います。慣れてきたり、知識がある人は、Maximum iterationsなどの設定を変更してもいいと思います。Command Promptを見ながら、再トレーニングが終了するまで待ちます。
DeepLabCut - Standalone GUI - 9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?