الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل

كشف الشذوذ بين الطالب والمعلم

هذا هو تطبيق للورقة "الطلاب غير المطلعين: الكشف عن الشذوذ بين الطالب والمعلم باستخدام التضمينات الكامنة التمييزية".

كيفية الاستخدام

  • قم بتشغيل البرنامج النصي mvtec_dataset.sh لتنزيل مجموعة بيانات MVTec وإعدادها بالتنسيق الصحيح. وهذا يتطلب حوالي 5 جيجابايت من مساحة القرص. 
 ./mvtec_dataset.sh

  • يجب أن يكون مجلد البيانات متاحًا الآن. يحتوي كل مجلد فرعي في البيانات على اسم فئة. دعونا نبني نموذجا لفئة السجاد كمثال.

  • (اختياري) قم بتشغيل البرنامج النصي resnet18_training.py لتدريب resnet18 بشكل أكبر على مجموعة البيانات الخاصة بك 

 cd src
python3 resnet18_training.py --dataset carpet
  • قم بتشغيل teacher_training.py لاستخلاص المعرفة حول resnet18 على شبكة عصبية أصغر. سيؤدي هذا إلى تسريع معالجة الصور. تقوم هذه الشبكة العصبية، التي تسمى المعلم، بإخراج متجه وصف ذي 512 بُعدًا لكل رقعة بحجم <patch_size> من الصورة. قيم patch_size المدعومة هي:
    • الحجم = 17، فعال إذا كنا نبحث عن حالات شاذة صغيرة الحجم
    • الحجم = 33، فعال إذا كنا نبحث عن حالات شاذة متوسطة الحجم
    • الحجم = 65، فعال إذا كنا نبحث عن حالات شاذة كبيرة الحجم 
 cd src
python3 teacher_training.py --dataset carpet --patch_size 33
  • قم بتشغيل Student_training.py لتدريب مجموعة من الطلاب M=3 على شبكة المعلمين. ويتم تدريب الطلاب على مجموعة بيانات خالية من الشذوذ. ونتوقع منهم أن يتم تعميمهم بشكل سيئ في الصور التي تحتوي على حالات شاذة 
 cd src
python students_training.py --dataset carpet --patch_size 33 --n_students 3
  • قم بتشغيل anomaly_detection.py للحصول على خريطة الشذوذ لكل صورة من مجموعة الاختبار. يتم حساب خريطة الشذوذ باستخدام تباين تنبؤات الطلاب والخطأ بين تنبؤات الطلاب والمعلم. 
 cd src
python anomaly_detection.py --dataset carpet --patch_size 33 --n_students 3

نتائج

النتيجة 1النتيجة 2النتيجة 5

وتتوفر المزيد من النتائج ضمن مجلد /result

أداء

روك

مراجع

الورق الأصلي

  • https://arxiv.org/pdf/1911.02357v2.pdf

ورقة مجموعة بيانات MVTec

  • https://openaccess.thecvf.com/content_CVPR_2019/papers/Bergmann_MVTec_AD_--_A_Comprehensive_Real-World_Dataset_for_Unsupervised_Anomaly_CVPR_2019_paper.pdf

استخراج ميزة كثيفة سريعة

  • https://www.dfki.de/fileadmin/user_upload/import/9245_FastCNNFeature_BMVC.pdf
  • https://github.com/erezposner/Fast_Dense_Feature_Extraction
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل