图像异常检测_padim

图像异常检测-PaDim算法

第一章 图像异常检测 关于PaDim算法的初步学习

---

---

前言

本周主要对PaDim算法的有关原理进行学习，然后使用anomalib库进行模型的初步训练，进行结果分析。

---

一、PaDim的基本原理

简答来说，就是将训练集中每个像素用一个多维高斯分布表示，计算测试集中每个像素到训练集对应像素的距离。
具体公式与细节还没看懂。。。。

二、anomalib的使用

1.配置环境

安装pytorch、pytorch_lightning和anomalib等几个包
主要需要注意pytorch和pytorch_lightning都用pip进行安装，不然会出现安装后删包的bug

2.数据集制作

根据MVTec数据的结构进行制作，记录出现的一些问题

• 图片的类型：先使用jpg格式的显示Found 0 images in datasets\MVTec\hole，更改图片为png格式即可。搞不明白~
• 测试集中mask显示并非全整的mask，原因是mask需要对rgb格式进行二值化之后才可以
  

图1 mask未进行二值化的结果

3.训练

主要对PaDim模型下的yalm文件进行修改。对数据集目录，图像大小，epochs进行修改。
在训练之后，针对数据集中一些错误的数据进行清洗。
以下是其中两次的结果对比

图2 检测与分割得分 image_AUROC与image_F1Score表示检测的得分

pixel_AUROC与pixel_F1Score表示分割的得分

图3 异常样本的检测与分割结果

图4 正样本的检测与分割结果

总结与问题

总结：能够得到可以分类异常与正常样本的模型，但模型分割能力不强。
存在问题：

1. 分割能力较差，会出现漏检与误检，主要体现：

• 划痕与背景相近时检测不出来
• 有些曝光太强会误检

2. 一些疑问、bug与解决思路

• 想更换提取网络，但是出现问题，显示需要下载，但是没有下载成功。回来再找找资料
• 初始的yaml给epoch是1，效果还行，给成10后，得分似乎没有太大变化，不知道再给多会不会有影响
• 数据集中一些图片本身就不好，会有过曝的现象，而且，一些划痕在灰度效果下会和背景太过相近，可以进行图像增强。直方图均衡化试试，试试增加对比度。还想是不是要换数据集。