微信公众号 讲师中心
首页
文章
后端开发 web前端 数据库 开发工具 php框架 常见问题 科技 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程 自媒体 新闻
专题
后端开发 web前端 数据库 开发工具 php框架 科技 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程 新闻
AI工具
AI 聊天问答 Agent智能体 AI 文本写作 AI 绘画作图 AI 设计工具 AI 视频创作 AI 音频制作 AI 办公学习 AI 编程开发 Prompt指令
学习
大前端 后端开发 数据库 移动端 运维开发 计算机基础
编程手册
大前端 后端开发 数据库 移动端 运维开发 计算机基础
下载
js特效 网站源码 工具下载 类库下载 网站素材 学习资源 插件扩展 手机/移动开发 手机游戏
最近更新
搜索
后端开发 web前端 数据库 开发工具 php框架 常见问题 科技 Java 系统教程 电脑教程 硬件教程 手机教程 软件教程 游戏教程
自媒体 新闻
首页 > 科技周边 > 人工智能 > 正文

【论文复现】PaDiM-Paddle：基于分布建模的异常检测与定位方法

P粉084495128
发布： 2025-07-17 09:22:15
原创
482人浏览过
本文基于PaddlePaddle复现PaDiM算法，通过CNN提取图像面片嵌入并建模高斯分布，用马氏距离检测异常。在MvTec数据集上，Image-Level AUC平均0.925，Pixel-Level AUC平均0.966，接近或优于PyTorch版本，还介绍了数据集及训练、验证等操作。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

【论文复现】padim-paddle：基于分布建模的异常检测与定位方法 - php中文网

PaDiM-Paddle：基于分布建模的异常检测与定位方法

1.1 简介

本项目基于PaddlePaddle 复现了论文:
PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization

【论文复现】PaDiM-Paddle：基于分布建模的异常检测与定位方法 - php中文网

PaDiM是一种基于图像Patch的算法。它依赖于预先训练好的CNN功能提取器。 将图像分解为多个面片，并使用不同的特征提取层从每个面片中提取嵌入。 将不同层次的激活向量串联起来，得到包含不同语义层次和分辨率信息的嵌入向量。这有助于对细粒度和全局上下文进行编码。 然而，由于生成的嵌入向量可能携带冗余信息，因此使用随机选择来降低维数。 在整个训练批次中，为每个面片嵌入生成一个多元高斯分布。因此，对于训练图像集的每个面片，我们有不同的多元高斯分布。这些高斯分布表示为高斯参数矩阵。 在推理过程中，使用马氏距离对测试图像的每个面片位置进行评分。它使用训练期间为面片计算的协方差矩阵的逆矩阵。 马氏距离矩阵形成了异常图，分数越高表示异常区域。

本项目基于PaddlePaddle框架复现了PaDiM，并在MvTec数据集上进行了实验。

论文：

  • [1] Simonjan, Jennifer and Unluturk, Bige D. and Akyildiz, Ian F. PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and Localization

项目参考：

  • anomalib
  • PaDiM-Anomaly-Detection-Localization-master

1.2 复现精度

在MvTec数据集的测试效果对比如下表。

Image-Level AUC


 Avg Carpet Grid Leather Tile Wood Bottle Cable Capsule Hazelnut Metal Nut Pill Screw Toothbrush Transistor Zipper
anomalib(Pytorch) 0.891 0.945 0.857 0.982 0.950 0.976 0.994 0.844 0.901 0.750 0.961 0.863 0.759 0.889 0.920 0.780
Paddle 0.925 1.000 0.907 1.000 0.981 0.994 0.998 0.833 0.863 0.870 0.970 0.885 0.729 0.992 0.947 0.907

Pixel-Level AUC


 Avg Carpet Grid Leather Tile Wood Bottle Cable Capsule Hazelnut Metal Nut Pill Screw Toothbrush Transistor Zipper
anomalib(Pytorch) 0.968 0.984 0.918 0.994 0.934 0.947 0.983 0.965 0.984 0.978 0.970 0.957 0.978 0.988 0.968 0.979
Paddle 0.966 0.989 0.926 0.991 0.925 0.938 0.979 0.951 0.982 0.979 0.966 0.955 0.973 0.986 0.970 0.983

image-level auc的Mean为0.922。

pixel-level auc的Mean为0.966(966.2, 0.18% gap)。

1.3 数据集

数据集网站：MvTec数据集

AiStudio上的数据集：MVTec-AD

MVTec AD是MVtec公司提出的一个用于异常检测的数据集。与之前的异常检测数据集不同，该数据集模仿了工业实际生产场景，并且主要用于unsupervised anomaly detection。数据集为异常区域都提供了像素级标注，是一个全面的、包含多种物体、多种异常的数据集。

数据集包含不同领域中的五种纹理以及十种物体，且训练集中只包含正常样本，测试集中包含正常样本与缺陷样本，因此需要使用无监督方法学习正常样本的特征表示，并用其检测缺陷样本。这是符合现实的做法，因为异常情况不可预知并无法归纳。下图分别展示了几类图片的正常样本与缺陷样本，以及缺陷样本中的缺陷特写：

瞬映
瞬映

AI 快速创作数字人视频，一站式视频创作平台，让视频创作更简单。

瞬映 57
查看详情 瞬映

【论文复现】PaDiM-Paddle：基于分布建模的异常检测与定位方法 - php中文网

快速开始

In [ ]
%cd /home/aistudio/data/
!tar xvf data116034/mvtec_anomaly_detection.tar.xz
登录后复制

2.1 依赖安装

In [ ]
!pip install scikit-image
登录后复制

2.2 训练

一共有15个类别，这里需要对15个类别分别训练，最后取平均值作为验证指标. 随机数种子7

预训练模型：挂载数据集[140122] (https://aistudio.baidu.com/aistudio/datasetdetail/140122)

放在output下面，后面就可以直接评估

In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category carpet  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category grid  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category leather  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category tile  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category wood  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category bottle  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category cable  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category capsule  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category hazelnut  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category metal_nut  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category pill  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category screw  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category toothbrush  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category transistor  --val=True --save_path=./output --seed 7
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python train.py --data_path=/home/aistudio/data/ --category zipper  --val=True --save_path=./output --seed 7
登录后复制

2.3 验证

下面验证仅以carpet为例子，其他类别修改category即可。

In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python val.py --data_path=/home/aistudio/data/ --category carpet  --model_path=./output/carpet/best.pdparams --save_picture=True --save_path=./output --seed 7
登录后复制

2.4 预测

In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python predict.py --picture_path=/home/aistudio/data/carpet/test/color/000.png --category carpet  --model_path=./output/carpet/best.pdparams --save_picture=True --save_path=./output --seed 7
登录后复制

可以在output/carpet/找到如下的类似结果：【论文复现】PaDiM-Paddle：基于分布建模的异常检测与定位方法 - php中文网

2.5 导出

In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python export_model.py --depth 18 --img_size=224 --model_path=./output/carpet/best.pdparams --save_dir=./output
登录后复制

2.6 推理

需要开启infer的380行。

        # postprocess(args, test_imgs, args.category, results, distribution) # 可视化
登录后复制
In [ ]
%cd /home/aistudio/PaDiM-Paddle/
!python infer.py --use_gpu=True --model_file=output/model.pdmodel --input_file=/home/aistudio/data/carpet/test/color/000.png --params_file=output/model.pdiparams --category=carpet  --distribution=./output/distribution --save_path=./output --seed 7
登录后复制

2.7 TIPC

注意：本部分为论文复现赛内容，只是为了验证整个项目的训练推理的正确性。学习目的可以不进行这部分的运行，即这部分非项目必要部分。

因为test_tipc 不支持后处理的可视化环境，此时没有图像保存结果输出

首先安装auto_log，需要进行安装，安装方式如下： auto_log的详细介绍参考https://github.com/LDOUBLEV/AutoLog。

git clone https://github.com/LDOUBLEV/AutoLog
cd AutoLog/
pip3 install -r requirements.txt
python3 setup.py bdist_wheel
pip3 install ./dist/auto_log-1.2.0-py3-none-any.whl
登录后复制

进行TIPC：

bash test_tipc/prepare.sh test_tipc/configs/PaDiM/train_infer_python.txt 'lite_train_lite_infer'bash test_tipc/test_train_inference_python.sh test_tipc/configs/PaDiM/train_infer_python.txt 'lite_train_lite_infer'
登录后复制

以上就是【论文复现】PaDiM-Paddle：基于分布建模的异常检测与定位方法的详细内容，更多请关注php中文网其它相关文章！

相关标签：
python git ai red igs for github 算法 cnn pytorch paddlepaddle https

大家都在看：

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

每个人都需要一台速度更快、更稳定的 PC。随着时间的推移，垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是，许多工具可以让 Windows 保持平稳运行。

下载
来源：php中文网
收藏 点赞
上一篇：AI语言转视频是否会颠覆传统脚本+剪辑的内容创作方式 下一篇：将口播内容转为脚本并生成视频，AI语言转视频全攻略
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn
作者最新文章
最新问题
文心一言怎样用批量生成做多版文案_文心一言用批量生成做多版文案【批量创作】 文心一言可通过批量生成功能高效创建多版本文案。首先在输入框中明确内容类型与数量，如“生成5个不同风格的智能手表推广文案”，并指定差异化方向如专业、幽默、温情等；系统将自动输出多样化的独立版本。其次可结合预设模板进行结构化创作，例如设定“【标题】：{亮点}；【正文】：这款产品{功能描述}……”的格式，并要求基于模板生成侧重护眼、节能、智能调光的不同文案，确保结构统一便于后续使用。最后利用变量替换实现高效迭代，通过占位符如“为{品牌名}的{产品类型}写朋友圈文案”配合多组参数组合，一次性提交多个品牌
2025-12-01 12:03:06
852
HeygenAI怎样用口型同步做访谈_HeygenAI用口型同步做访谈【口型同步】 使用HeygenAI可通过AI数字人实现逼真的访谈视频，一、准备文本并转为清晰音频；二、创建或选择虚拟人物形象；三、上传音频自动同步口型；四、添加背景与字幕增强效果；五、导出高清视频发布多平台。
2025-12-01 10:39:28
136
豆包ai官网登录入口 豆包ai手机pc端登录入口 豆包AI官网登录入口为https://www.doubao.com/chat/，网页版支持多浏览器访问，登录后可同步历史记录；手机端可在应用市场下载“豆包”App，支持语音、拍照输入；电脑端提供独立客户端及浏览器插件，便于高效使用AI功能。
2025-11-30 23:44:02
878
NotionAI怎样用问题聚焦提示提炼_NotionAI用问题聚焦提示提炼【聚焦提示】 通过聚焦提示词可提升NotionAI输出精准度：一、用具体场景限定问题范围，结合时间、对象和目标等要素；二、采用“角色扮演”式提问，指定专业身份以增强回答的专业性；三、拆分复合问题为单一焦点，逐项获取清晰答案；四、运用关键词前置强化主题聚焦，提高信息相关度。
2025-11-30 23:43:02
220
Sora怎样用物理模拟生成逼真_Sora用物理模拟生成逼真【逼真生成】 Sora可通过集成物理引擎与动态系统提升视频真实感：一、利用刚体动力学模拟物体运动，结合物理引擎计算位置姿态，并将结果作为条件输入扩散模型，确保运动符合牛顿定律且帧间连续；二、应用流体动力学求解纳维-斯托克斯方程，模拟水、烟、火等现象，通过多分辨率网格与中间表示图支持生成网络；三、引入柔体与布料模拟，基于质点-弹簧系统结合骨骼动画，实现衣物形变与自碰撞检测，输出网格变形序列以增强人物动作自然性；四、采用光线追踪与全局光照技术，构建具BRDF属性的场景，使用路径追踪生成高动态范围图像，指导模型学习
2025-11-30 23:43:02
937
豆包AI如何用图表生成直观呈现数据_豆包AI用图表生成直观呈现数据【数据可视化】 豆包AI可通过选择合适图表类型、导入数据自动生成图表、自定义样式与标注及嵌入动态交互功能，实现数据的直观可视化呈现。
2025-11-30 23:42:06
791
StableDiffusion怎样用LoRA提示定风格_StableDiffusion用LoRA提示定风格【风格提示】 首先加载LoRA模型至指定目录并重启WebUI，接着在提示词中输入调用模型，权重建议0.5-1.2；然后结合风格关键词如“anime,vibrantcolors”强化效果，避免冲突术语；最后在负向提示词中添加“blurry,deformedhands”等排除干扰，提升生成质量。
2025-11-30 23:34:02
458
Pictory怎样用脚本生成营销视频_Pictory用脚本生成营销视频【营销视频】 Pictory可将营销视频脚本自动转换为专业视频：首先上传脚本创建项目，系统智能分段并匹配媒体素材；接着可手动替换画面、添加AI语音旁白并调整节奏；随后自定义品牌元素如Logo、配色及片头片尾；最后导出高清视频并分享。
2025-11-30 23:23:02
446
BlueWillow怎样用品牌要素提示制Logo_BlueWillow用品牌要素提示制Logo【要素提示】 答案：通过定义品牌行业、情绪、色彩等核心要素，构建结构化提示语并输入BlueWillow生成Logo，例如“LogodesignforBlueWillow,acreativeagency,minimaliststyle,usinggradienttealandwhite,withaleaf-inspiredicon”，生成后迭代优化关键词直至满意。
2025-11-30 23:13:30
932
Brandmark怎样用企业信息产VI_Brandmark用企业信息产VI【VI生成】 Brandmark可根据企业名称、行业属性和品牌偏好自动生成完整VI系统。首先输入企业全称如“星辰科技有限公司”及主营业务“人工智能解决方案”，选择所属行业类别如科技，并填写“现代”“创新”等品牌关键词。随后系统生成多个视觉方案，用户可浏览并定制Logo、配色与字体，选择名片、信纸等配套组件。最终一键下载包含PNG、SVG、PDF等格式的VI套件，内含主Logo、辅助图形、色彩代码与字体指南，便于团队统一应用。
2025-11-30 23:00:44
755
相关专题
更多>
热门推荐
开源免费商场系统广告
热门教程
更多>
相关推荐
热门推荐
最新课程
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网：公益在线php培训，帮助PHP学习者快速成长！
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号

  • PHP学习

  • 技术支持

  • 返回顶部