ganomaly

アップデート：

このレポは維持されなくなりました。ガノマリーの実装は、すぐに使用できる深い学習異常検出アルゴリズムとベンチマークデータセットの最大の公開コレクションであるAnomalibに追加されました。

ガノマリー

このリポジトリには、次の論文のPytorchの実装が含まれています。ガノマリー：敵対的訓練による半監視異常検出[1]

1。目次

• ガノマリー
  • 目次
  • インストール
  • 実験
  • トレーニング
    • Mnistのトレーニング
    • CIFAR10でのトレーニング
    • カスタムデータセットでトレーニングします
  • ガノマリーを引用
  • 参照

2。インストール

1. 最初にリポジトリをクローンします

    git clone https://github.com/samet-akcay/ganomaly.git
   

2. Condaを介して仮想環境を作成します

    conda create -n ganomaly python=3.7
   

3. 仮想環境をアクティブにします。

    conda activate ganomaly
   

4. 依存関係をインストールします。

    conda install -c intel mkl_fft
   pip install --user --requirement requirements.txt
   

3。実験

MNISTおよびCIFAR10データセットの論文で結果を再現するには、次のコマンドを実行します。

 # MNIST
sh experiments/run_mnist.sh

# CIFAR
sh experiments/run_cifar.sh # CIFAR10 

4。トレーニング

引数をリストするには、次のコマンドを実行します。

 python train.py -h

4.1。 Mnistのトレーニング

特定の異常クラスのMNISTデータセットでモデルをトレーニングするには、以下を実行します。

 python train.py 
    --dataset mnist                         
    --niter <number-of-epochs>              
    --abnormal_class <0,1,2,3,4,5,6,7,8,9>  
    --display                               # optional if you want to visualize     

4.2。 CIFAR10でのトレーニング

特定の異常クラスのCIFAR10データセットでモデルをトレーニングするには、以下を実行します。

 python train.py 
    --dataset cifar10                                                   
    --niter <number-of-epochs>                                          
    --abnormal_class                                                    
        <plane, car, bird, cat, deer, dog, frog, horse, ship, truck>    
    --display                       # optional if you want to visualize        

4.3。カスタムデータセットでトレーニングします

カスタムデータセットでモデルをトレーニングするには、データセットを./dataディレクトリにコピーする必要があり、次のディレクトリとファイル構造が必要です。

 Custom Dataset
├── test
│   ├── 0.normal
│   │   └── normal_tst_img_0.png
│   │   └── normal_tst_img_1.png
│   │   ...
│   │   └── normal_tst_img_n.png
│   ├── 1.abnormal
│   │   └── abnormal_tst_img_0.png
│   │   └── abnormal_tst_img_1.png
│   │   ...
│   │   └── abnormal_tst_img_m.png
├── train
│   ├── 0.normal
│   │   └── normal_tst_img_0.png
│   │   └── normal_tst_img_1.png
│   │   ...
│   │   └── normal_tst_img_t.png

次に、モデルトレーニングは、上記のトレーニングMNISTまたはCIFAR10データセットと同じです。

 python train.py                     
    --dataset <name-of-the-data>    
    --isize <image-size>            
    --niter <number-of-epochs>      
    --display                       # optional if you want to visualize

その他のトレーニングオプションについては、 python train.py -hを実行します。

5。引用ガノマリー

このリポジトリを使用する場合、または論文を参照したい場合は、次のBibtexエントリを使用してください

 @inproceedings{akcay2018ganomaly,
  title={Ganomaly: Semi-supervised anomaly detection via adversarial training},
  author={Akcay, Samet and Atapour-Abarghouei, Amir and Breckon, Toby P},
  booktitle={Asian Conference on Computer Vision},
  pages={622--637},
  year={2018},
  organization={Springer}
}

6。リファレンス

[1] Akcay S.、Atapour-Abarghouei A.、Breckon TP（2019）Ganomaly：敵対的訓練による半監視異常検出。 In：Jawahar C.、Li H.、Mori G.、Schindler K.（eds）Computer Vision - ACCV2018。ACCV2018。ComputerScience、Vol11363。Springer、Cham