1. 项目概述与核心价值

如果你也像我一样，曾经为了分析几十分钟的动物行为录像，在屏幕前一帧一帧地手动标注，熬到双眼发花，那么你一定能理解这项工作的价值所在。传统的动物行为学研究，尤其是针对灵长类这种社会行为复杂的物种，严重依赖研究者的直接观察或后期视频分析。这不仅是个体力活——据统计，详细分析一段视频所花费的时间，平均是视频时长的三倍——更是个“眼力活”，观察者的主观疲劳和偏差难以避免。当研究目标从简单的“移动”或“进食”转向更精细、更富文化内涵的行为，比如日本猕猴的“玩石行为”时，人工分析的瓶颈就更加凸显。

这正是人工智能，特别是深度学习技术，能够大显身手的地方。我们这次的项目，核心就是利用一个名为LabGym的开源工具，尝试为日本猕猴的玩石行为构建一个自动识别模型。玩石行为在日本猕猴中已持续观察了三十多年，包含了多达45种细分动作，被认为是研究动物文化传播和认知演化的一个绝佳窗口。但要从海量野外录像中自动、准确地识别出“搓手玩石”或“地上滚石”这样的特定动作，对AI来说是个不小的挑战。

我们的目标很明确：第一，验证LabGym这套工具在复杂灵长类行为分析上的可行性；第二，为后续更广泛的行为研究搭建一个可复用的技术框架。整个过程就像教一个孩子认东西：先要教会它“什么是猕猴”（检测器训练），然后再教它“猕猴的某个特定动作是什么样”（分类器训练）。听起来简单，但每一步都充满了细节和“坑”。接下来，我就把我们从数据准备、模型训练到结果评估的全过程，以及踩过的那些“坑”和收获的经验，毫无保留地分享出来。

2. 核心工具选型：为什么是LabGym？

在开始动手之前，工具的选择至关重要。动物行为自动分析领域并非一片空白，从早期的Ethovision到后来的DeepLabCut、JAABA等，都有各自的应用场景。我们最终锁定LabGym，是基于几个非常实际的考量，这些考量对于任何想进入这个领域的研究者来说都值得参考。

### 2.1 硬件门槛与可及性

许多先进的深度学习模型，尤其是基于大型卷积神经网络（CNN）的，对图形处理器（GPU）有硬性要求。高性能GPU意味着高昂的成本和复杂的运维，这对于许多野外工作站、高校实验室，特别是资源有限的发展中国家研究机构来说，是一个巨大的门槛。LabGym 1.0版本（我们项目所使用的版本）一个革命性的优势在于，它 不需要GPU ，仅靠中央处理器（CPU）就能运行。这极大地降低了硬件门槛，使得计算行为学（Computational Ethology）变得真正“可及”。我们的所有训练和推理任务，都是在一台配备60个虚拟处理器和8GB内存的计算服务器上完成的，这种配置在许多研究机构都能实现。

### 2.2 用户友好度与学习曲线

另一个让我们决定“入坑”LabGym的关键因素是它的设计理念：为计算机技能有限的用户而生。它的操作主要通过图形化界面（GUI）完成，从导入视频、标注数据到训练模型、分析结果，大部分流程都无需编写一行代码（除了最初的软件安装）。这对于动物行为学、生态学等领域的研究者来说极其友好，他们可以将精力更多地聚焦在生物学问题本身，而不是纠结于复杂的编程和调参。LabGym将Detectron2（Meta开发的先进目标检测框架）和ResNet（残差神经网络）等底层技术封装起来，提供了一套“开箱即用”的流程。

### 2.3 功能架构：检测器与分类器的分工

LabGym的工作流清晰分为两步，对应两个核心AI模块：

1. 检测器（Detector） ：它的任务是从视频的每一帧图像中，找出并定位目标动物。你可以把它想象成一个极其专注的“找茬”专家，它的输出是图像中每个目标物体的像素级轮廓（即实例分割）和位置坐标。在1.0版本中，它一次只能检测一个类别的物体（比如，只能检测“猕猴”，不能同时检测“猕猴”和“石头”）。
2. 分类器（Categoriser） ：它接收检测器提供的“动物在哪里”的信息，但看的不是原始图像，而是由检测器生成的一系列“运动模式”图。这些图抽象地描绘了动物在一段连续图像序列（我们称之为“动画”）中的移动轨迹。分类器的任务是判断这段“动画”是否表现了某种特定的行为（如“地上滚石”）。

这种“检测-分类”的两段式架构，使得模型训练更具灵活性，也更容易排查问题。例如，如果最终行为识别不准，我们可以快速定位是动物没检测好，还是行为模式没学对。

注意 ：LabGym 2.0版本已于我们项目后期发布，它解除了单类别检测的限制，可以同时分析多类物体及其交互，这对于分析“手持石头”这类涉及工具的行为将是巨大提升。但由于项目周期和资源限制，我们未能迁移至2.0版本。后续研究者应优先考虑使用更新的2.0版。

3. 数据准备：模型成功的基石

在AI领域，有一句话叫“垃圾进，垃圾出”。模型的表现上限，很大程度上由训练数据的质量和数量决定。我们的数据准备分为两大部分：用于训练检测# 1. 两数之和

题目

给定一个整数数组 nums 和一个整数目标值 target ，请你在该数组中找出 和为目标值 target 的那 两个 整数，并返回它们的数组下标。

你可以假设每种输入只会对应一个答案。但是，数组中同一个元素在答案里不能重复出现。

你可以按任意顺序返回答案。

示例 1：

输入：nums = [2,7,11,15], target = 9
输出：[0,1]
解释：因为 nums[0] + nums[1] == 9 ，返回 [0, 1] 。

示例 2：

输入：nums = [3,2,4], target = 6
输出：[1,2]

示例 3：

输入：nums = [3,3], target = 6
输出：[0,1]

提示：

• 2 <= nums.length <= 104
• -109 <= nums[i] <= 109
• -109 <= target <= 109
• 只会存在一个有效答案

**进阶：**你可以想出一个时间复杂度小于 O(n2) 的算法吗？

思路

使用哈希表，遍历数组，将数组元素作为 key，索引作为 value 存入哈希表，在遍历过程中，判断 target - 当前元素是否在哈希表中，如果在，则返回当前索引和哈希表中对应的索引。

代码

class Solution {
public:
    vector<int> twoSum(vector<int>& nums, int target) {
        unordered_map<int, int> map;
        for (int i = 0; i < nums.size(); i++) {
            int complement = target - nums[i];
            if (map.find(complement) != map.end()) {
                return {map[complement], i};
            }
            map[nums[i]] = i;
        }
        return {};
    }
};