同平台衔接
与 Lite Maze Tracking 共用 EthoAI 云平台：发现模型不适配，即可转入标注与再训练，数据与工程更连贯。
零代码云端建模
多物种灵活适配
GPU云端训练
产品介绍
与 Lite Maze Tracking 同平台联合使用
分析中发现模型不适配当前场景时，可直接在同一 EthoAI 云平台完成数据标注与再训练，无需切换工具、搬运数据。
数据标注
浏览器内完成样本标注，无需本地安装与复杂环境配置。
云端训练更高效
依托云端 GPU，自动完成训练、优化与验证，无需自备高性能硬件。
场景微调
基于自有实验数据微调，适配光照、背景与装置差异。
模型共享
模型工程与数据集授权共享，团队逐步积累专属模型库。
分析衔接
训练成果一键接入后续行为分析、可视化与数据导出流程。
使用流程
六步完成标注与训练
从上传视频到模型测试，在云端完成姿态估计模型构建全流程。
01
上传视频
添加原始视频数据，作为标注与训练的起点。
02
视频处理
抽取生成标注数据，准备可标注样本。
03
目标数据标注
完成目标与关键点标注，构建训练所需标签。
04
关联工程
可选关联 Lite Maze Tracking 等工程数据，复用已有标注资产。
05
模型训练
使用工程全部数据训练专属姿态估计模型。
06
模型测试
查看模型测试结果，验证场景适配效果。
AI 辅助标注
单帧标注，AI 辅助完成多帧关键点推算
完成单帧关键点标注后，系统自动推算后续帧关键点位置，辅助快速标记，减少逐帧精细打点。
人工标完一帧
先在关键帧上手动完成关键点标注，确认目标与点位对应关系。这一帧成为后续推算的基准，保证 AI 辅助标记从正确起点出发。
AI 推算其他帧
人工标完一帧后，AI 自动推算其他帧的关键点位置，批量给出辅助标记结果。无需对每一帧重复精细打点，显著缩短标注周期。
必要时再微调
推算结果可直接用于训练准备；遇到遮挡、姿态突变或识别偏差时，再局部微调即可。把精力放在质量把关上，而不是重复劳动。
标注效率大幅提升
以「标一帧、推多帧」替代传统逐帧打点，在保证关键点质量的同时，把大量重复性标注交给 AI 辅助完成，让数据集构建更快落地。
关键点配置
多物种多范式灵活标注与模型训练
自由定义身体关键点数量与位置，适配多物种与多类行为学场景。
自由定义数量与位置
按实验目标配置关键点数量与位置，不受固定模板限制。
多物种与多范式
覆盖小鼠、大鼠、斑马鱼、果蝇、犬、猫、猪、猴，以及强迫游泳、新物体识别、社交等场景。
进阶训练
基于已有模型持续微调与再训练
当已有模型与后续数据不匹配时，可在原模型基础上补充标注并再训练，提升场景适配能力。
识别模型与数据偏差
光照、背景、装置或品系变化后，原模型可能出现识别偏差。
基于原模型补充标注
无需从零重建：在已有模型基础上补充新场景样本标注。
进阶训练强化模型
基于新增标注进行进阶训练，得到更贴合当前数据的模型。
提升稳定性与准确率
有效改善头尾误判、目标丢失与跨场景稳定性不足。