文件名称：AnomalyDetectionCVPR2018-Pytorch:Pytorch版本-https
文件大小：92.54MB
文件格式：ZIP
更新时间：2024-05-24 23:45:44
Python
异常检测CVPR2018-Pytorch Pytorch版本-https: 未来的改进 在本节中，我列出了我打算添加到此存储库中的将来的改进。 请随时推荐新功能。 我也很高兴接受公关！ :smirking_face: I3D特征提取 MFNET特征提取 已知的问题： AUC与论文中所报告的不完全相同（0.70对0.75）-可能受C3D权重的影响 video_demo错误 安装Anaconda环境 conda env create -f environment.yml conda activate adCVPR18 下载C3D权重 由于文件太大，我无法在此处上传C3D模型的权重，但是可以在这里找到： : 预先计算的功能 可以从以下下载： ： 预训练异常检测器 在预先计算的功能上出以获取训练有素的模型 训练期间的损耗图如下所示： 特征提取 python feature_extractor.py -
【文件预览】：
AnomalyDetectionCVPR2018-Pytorch-master
----Test_Annotation.txt(21KB)
----TrainingAnomalyDetector_public.py(4KB)
----generate_ROC.py(3KB)
----environment.yml(10KB)
----data_loader.py(5KB)
----exps()
--------models()
--------tensorboard()
----AD_live_perdiction.py(14KB)
----feature_extractor.py(6KB)
----features_loader.py(6KB)
----pretrained()
--------MFNet3D_UCF-101_Split-1_96.3.pth(59.48MB)
----graphs()
--------Train_loss.png(109KB)
--------roc_auc.png(30KB)
----Train_Annotation.txt(78KB)
----README.md(3KB)
----video_demo.py(11KB)
----utils()
--------functional_video.py(3KB)
--------transforms_video.py(5KB)
--------callbacks.py(6KB)
--------utils.py(1KB)
--------image_transforms.py(8KB)
--------load_model.py(2KB)
--------__init__.py(0B)
----notebooks()
--------feature_extractor.ipynb(43KB)
--------roc_auc.ipynb(40KB)
--------anomaly_detection.ipynb(22KB)
----network()
--------i3d.py(11KB)
--------anomaly_detector_model.py(3KB)
--------TorchUtils.py(8KB)
--------MFNET.py(7KB)
--------c3d.py(4KB)