推荐一款新兴的开源异常检测神器——PatchCore
2024-05-21 23:31:23作者:裴麒琰
PatchCore_anomaly_detection
Unofficial implementation of PatchCore anomaly detection
在数据科学领域,异常检测是至关重要的任务,而PatchCore是一个崭新的开源实现,它声称达到了工业级异常检测的新巅峰。让我们一起深入探讨这个项目,看看它是如何引领潮流的。
项目介绍
PatchCore基于《Towards Total Recall in Industrial Anomaly Detection》这篇论文,由Karsten Roth等人提出,旨在改进现有的异常检测模型,尤其适用于工业环境中的视觉数据。这个开源实现允许开发者轻松地运用该方法,无需复杂的设置,只需几行Python代码即可启动训练或测试。
项目技术分析
PatchCore的核心在于其独特的“局部感知”和“核心集”策略。通过随机投影将图像降维后,选取最接近的邻居构建核心集,从而进行异常检测。这种方法能够在保持高召回率的同时,降低计算复杂性。尽管此实现没有使用原论文中提到的Faiss库进行近邻搜索,但在实践中仍能获得相当高的性能。
应用场景
PatchCore适用于各种场景,特别是那些需要精确检测不常见或异常行为的场合,如:
- 工业质量控制:检查产品生产线上的缺陷。
- 监控系统:实时识别监控视频中的异常事件。
- 医疗影像分析:识别医学图像中的病灶或异常结构。
项目特点
- 高效:通过核心集采样策略,即使面对大型数据集也能快速运行。
- 可扩展:支持多种数据集,并易于整合到现有工作流中。
- 高精度:在MVTec AD数据集上的实验结果显示,无论是图像级别还是像素级别的结果,都达到了非常高的AUROC分数,证明了其强大的检测能力。
- 易用性:简洁的API设计使得模型训练与测试变得简单,只需要基本的Python和PyTorch知识即可上手。
总结
PatchCore是一个前沿的开源异常检测模型,结合了创新的算法和高效的实现。无论你是数据科学家,机器学习工程师,还是对异常检测感兴趣的学者,这个项目都值得你尝试。立即安装并开始探索你的数据中隐藏的异常吧!
pip install -r requirements.txt
python train.py --phase train or test --dataset_path .../mvtec_anomaly_detection --category carpet --project_root_path path/to/save/results --coreset_sampling_ratio 0.01 --n_neighbors 9'
期待你在实际应用中发现更多PatchCore的潜力,为你的异常检测任务带来前所未有的解决方案!
PatchCore_anomaly_detection
Unofficial implementation of PatchCore anomaly detection
热门项目推荐
相关项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6710
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript76.1 K19.07 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.52 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
热门内容推荐
展开
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
671
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
12
8
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K