Я проверил работоспособность описанной в предыдущей статье платформы автоматического создания модели обнаружения аномалий ADFI!
Об ADFI см. предыдущую статью.

Экран ADFI:

Экспериментальные настройки

Набор данных

Для эксперимента по проверке я использовал набор данных MVTec, который является очень известным набором данных изображений для обнаружения аномалий.
Он содержит наборы данных 15 категорий, которые часто используются в экспериментах по проверке документов, связанных с обнаружением аномалий.

Пример изображения набора данных:

Количество данных

Поскольку количество нормальных изображений и аномальных изображений различается в зависимости от набора данных, нижеприведенное используется для каждого набора данных.
Обучающие изображения были случайным образом извлечены из набора данных. Тестовые изображения извлекаются случайным образом из изображений, не используемых в обучающих изображениях.

Нормальные тренировочные данные: 50

Данные обучения аномалии: 10

Нормальные тестовые данные: 20

Данные испытаний аномалий: 20

Элементы подтверждения

  • Время обучения
    Время, затраченное на обучение модели
  • Время тестирования
    Время от запуска теста до получения результатов всех тестовых данных (40 изображений)
  • AUC (площадь под кривой)
    Индекс оценки, часто используемый для обнаружения аномалий.
    ROC (рабочая характеристика приемника) Площадь, соответствующая нижней части кривой.
    Чем ближе AUC. до 1, тем выше производительность модели. (При случайном прогнозировании значение AUC будет равно 0,5.)
    Я загрузил результат в формате CSV и рассчитал значение AUC.

Результаты эксперимента

В таблице ниже показаны результаты создания модели глубокого дистанционного обучения (DML) с ADFI для всех наборов данных.

Среднее время обучения составляет около 11 минут.
Среднее время тестирования составляет около 4 секунд.
Среднее значение AUC составляет 0,947.

Очень хорошие результаты с AUC выше 0,9 для наборов данных, отличных от кабелей и винтов.

Сравнение производительности с методами глубокого метрического обучения

Я сравнил AUC модели ADFI и AUC модели, созданной каждым методом глубокого метрического обучения без использования ADFI.

AUC каждого метода в наборе данных MVTec:

Невозможно просто указать превосходство или неполноценность, потому что экспериментальные настройки различны.
Но значения AUC для ADFI самые высокие во многих наборах данных.

См. также предыдущую статью для ADFI.

«Обнаружение аномалий изображения: как легко и быстро создавать модели | по Умапёй | март 2022 г. | Середина"