search

hq-deng / RD4AD

Anomaly Detection via Reverse Distillation from One-Class Embedding
MIT License
174 stars 31 forks source link

关于正常样本常常误判 #30

Open CvBokchoy opened 9 months ago

CvBokchoy commented 9 months ago

虽然框架能把绝大部分异常部分检出，但是正常的样本也常常被误判，有没有什么好的办法能够避免的

Sj-Yuan commented 7 months ago

目前的IAD方法中，阈值都是根据测试集的AUROC选出来的最佳阈值。但是，这些阈值对于验证集的结果不一定好用，这时候一般只能手动调整阈值。比如你现在是false negative比较多，调高阈值就能减少这种情况，但是相对的也会有一些异常样本被误判，这种只能一点点试了。

CvBokchoy commented 7 months ago

目前的IAD方法中，阈值都是根据测试集的AUROC选出来的最佳阈值。但是，这些阈值对于验证集的结果不一定好用，这时候一般只能手动调整阈值。比如你现在是false negative比较多，调高阈值就能减少这种情况，但是相对的也会有一些异常样本被误判，这种只能一点点试了。

已经另寻方法了，某些方法只是为了效果图，均衡性一点不考虑，无法落地，小学生玩儿玩儿可以

Sj-Yuan commented 7 months ago

目前的IAD方法中，阈值都是根据测试集的AUROC选出来的最佳阈值。但是，这些阈值对于验证集的结果不一定好用，这时候一般只能手动调整阈值。比如你现在是false negative比较多，调高阈值就能减少这种情况，但是相对的也会有一些异常样本被误判，这种只能一点点试了。

已经另寻方法了，某些方法只是为了效果图，均衡性一点不考虑，无法落地，小学生玩儿玩儿可以

好兄弟，能分享下换了哪类方法吗？我们这边做的项目也是被阈值烦的不行，不知道该换哪些方法能落地，目标检测(yolo)的方法需要太多负样本训练了

CvBokchoy commented 7 months ago

目前的IAD方法中，阈值都是根据测试集的AUROC选出来的最佳阈值。但是，这些阈值对于验证集的结果不一定好用，这时候一般只能手动调整阈值。比如你现在是false negative比较多，调高阈值就能减少这种情况，但是相对的也会有一些异常样本被误判，这种只能一点点试了。

已经另寻方法了，某些方法只是为了效果图，均衡性一点不考虑，无法落地，小学生玩儿玩儿可以

好兄弟，能分享下换了哪类方法吗？我们这边做的项目也是被阈值烦的不行，不知道该换哪些方法能落地，目标检测(yolo)的方法需要太多负样本训练了

已经商用啦哈哈，实在不好意思，如果要用的话有偿哦

CvBokchoy commented 7 months ago

目前的IAD方法中，阈值都是根据测试集的AUROC选出来的最佳阈值。但是，这些阈值对于验证集的结果不一定好用，这时候一般只能手动调整阈值。比如你现在是false negative比较多，调高阈值就能减少这种情况，但是相对的也会有一些异常样本被误判，这种只能一点点试了。

已经另寻方法了，某些方法只是为了效果图，均衡性一点不考虑，无法落地，小学生玩儿玩儿可以

好兄弟，能分享下换了哪类方法吗？我们这边做的项目也是被阈值烦的不行，不知道该换哪些方法能落地，目标检测(yolo)的方法需要太多负样本训练了

已经商用啦哈哈，实在不好意思，如果要用的话有偿哦

意思意思就行，我的邮箱是3388530136@qq.com