文件名称：MahalanobisAD-pytorch:PyTorch实施“对预训练的深度特征中的正常数据分布进行建模以进行异常检测”
文件大小：141KB
文件格式：ZIP
更新时间：2024-06-13 02:30:56
Python
在PyTorch中对预训练的深层特征中的正态数据分布进行建模以进行异常检测 PyTorchPyTorch实现，。 本文提出了一种异常检测方法，该方法包括使用马哈拉诺比斯距离作为异常评分，将多元高斯拟合为预训练的深部特征表示中的正常数据。 这是一种简单而有效的方法，可以在MVTec AD数据集上实现SOTA。 先决条件 python 3.6+ PyTorch 1.5+ efficiencynet_pytorch == 0.6.3 sklearn，matplotlib 安装必备组件： pip install -r requirements.txt 如果您已经下载了数据集，请将文件移动到data/mvtec_anomaly_detection.tar.xz 。 如果您没有数据集文件，它将在代码运行期间自动下载。 用法 要在MVTec AD数据集上测试此实现代码，请执行以下操作：
【文件预览】：
MahalanobisAD-pytorch-master
----requirements.txt(65B)
----data()
--------.gitkeep(0B)
----src()
--------datasets()
--------__init__.py(2B)
--------main.py(6KB)
----assets()
--------roc_curve_efficientnet-b4.png(148KB)
----LICENSE(11KB)
----README.md(2KB)