文件名称：anomaly_council_2
文件大小：2.01MB
文件格式：ZIP
更新时间：2024-04-19 18:00:14
Python
PyTorch中具有深金字塔对应（SPADE）的子图像异常检测 （SPADE）的PyTorch实现。 SPADE提出了一种异常分割方法，不需要培训阶段。 它快速，强大并且可以在MVTec AD数据集上实现SOTA。 我们使用K = 5最近邻居，这与原始纸张K = 50不同。 先决条件 python 3.6+ PyTorch 1.5+ 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SPADE ，请执行以下操作： cd src python main.py 运行上面的代码后，您可以在src/result/ro
【文件预览】：
anomaly_council_2-main
----src()
--------main.py(10KB)
--------experiment.py(2KB)
--------__init__.py(0B)
--------datasets()
----requirements.txt(37B)
----LICENSE(11KB)
----assets()
--------transistor_000.png(111KB)
--------wood_000.png(134KB)
--------tile_000.png(176KB)
--------toothbrush_000.png(110KB)
--------metal_nut_000.png(141KB)
--------cable_000.png(153KB)
--------screw_000.png(84KB)
--------capsule_000.png(106KB)
--------grid_000.png(124KB)
--------carpet_000.png(180KB)
--------bottle_000.png(129KB)
--------leather_000.png(156KB)
--------roc_curve.png(181KB)
--------pill_000.png(104KB)
--------zipper_000.png(114KB)
--------hazelnut_000.png(113KB)
----README.md(3KB)
----data()
--------.gitkeep(0B)