在量化行为学行为时，人类评分仍然是黄金标准。但是，人工注释者在执行重复性任务时会感到疲倦，并且人工注释的表现可能会因人而异。此外，动物行为的复杂性会使注释者不堪重负，复杂行为定义的细微差异会进一步增加人类注释者之间的变异性，导致评估者间的高变异性。机器学习的重大进展已经引起了对行为无监督分析的重视和兴趣，揭示了动物行为惊人的时间和结构复杂性。
DeepCut是用于运动跟踪和无标记姿势估计的深度学习的一种优雅且易于访问的实现。DeepCut允许用户定义和跟踪特定的兴趣点（例如特定的身体部位），以帮助在对复杂的行为学行为进行评分时达到人类的准确性。

量化动物行为的关键方面之一是“姿势跟踪”，它是指计算机识别动物姿势（不同身体部位的位置和方向）的能力。

软件依靠深度学习来“教”计算机执行姿势跟踪，而无需物理或虚拟标记。我们的团队一直在开发DeepCut软件，这是一个深度学习的“动物姿势捕捉”算法，可以对动物进行无标记动作捕捉。


应用范围评估具有不同物种、动物数量、身体部位、肢体动作、成像条件和环境的数据集、自定义兴趣点。 .
系统可以与光遗传、钙成像、在体电生理等第三方系统整合使用