search

guojiajeremy / Dinomaly

53 stars 5 forks source link

没有异常（缺陷）的图片热力图不正常 #3

Open ljl86092297 opened 5 months ago

ljl86092297 commented 5 months ago

image image 您好 基于您的代码进行训练完成以后 发现对正常图片的热力图预测好像不太对，请问这是模型现有的一个问题吗？ 还是我自己代码存在错误？

ljl86092297 commented 5 months ago

有异常的图片 缺陷位置基本正确

guojiajeremy commented 5 months ago

正常图像的热力图可以说没有任何意义。你看一下热力图的生成方法，是每张图像的anomaly score归一化到0-1，所以任何图像的热力图都会有很红的地方。

duoqingxiaowangzi commented 4 months ago

image image 您好 基于您的代码进行训练完成以后 发现对正常图片的热力图预测好像不太对，请问这是模型现有的一个问题吗？ 还是我自己代码存在错误？

你好，我也复现了作者的代码，但是训练完成后没有保存图像啊，是不是还需要自己在代码里作出改动 @ljl86092297

ljl86092297 commented 4 months ago

image image 您好 基于您的代码进行训练完成以后 发现对正常图片的热力图预测好像不太对，请问这是模型现有的一个问题吗？ 还是我自己代码存在错误？

你好，我也复现了作者的代码，但是训练完成后没有保存图像啊，是不是还需要自己在代码里作出改动 @ljl86092297

是的 你可以去我的git上直接拿我的推理代码 我增加保存图像的功能

ljl86092297 commented 4 months ago

正常图像的热力图可以说没有任何意义。你看一下热力图的生成方法，是每张图像的anomaly score归一化到0-1，所以任何图像的热力图都会有很红的地方。

确实是这样 正常图的值会很小

Karma1628 commented 1 month ago

正常图像的热力图可以说没有任何意义。你看一下热力图的生成方法，是每张图像的anomaly score归一化到0-1，所以任何图像的热力图都会有很红的地方。

我有考虑过这个问题，可以试下用整个测试集的异常分数图来进行归一化？不过这好像也是异常检测的一个bug设定，因为仅使用正常样本是无法确保真实异常的分数的上限。