Project Icon

anomalib

视觉异常检测算法开发与部署工具库

Anomalib是一个专注于视觉异常检测的开源深度学习库。它提供多种先进算法实现,支持模型训练、推理、基准测试和超参数优化。该库基于Lightning框架开发,简化了代码结构,并支持模型导出为OpenVINO格式以加速推理。Anomalib还包含便捷的推理工具,方便用户快速部署异常检测模型。其模块化设计和完善的文档使其成为研究和应用视觉异常检测的理想工具。

anomaly-detection-resources - 异常检测领域的综合学习资源库
ADBenchGithubPyOD开源项目异常检测数据挖掘机器学习
本项目汇集了异常检测领域的全面学习资源,包括书籍、论文、课程、数据集和工具库。涵盖多变量数据、时间序列和图网络等多种异常检测类型,并提供关键算法、高维数据和集成方法等研究方向的资料。同时列出重要会议和期刊,为异常检测研究者和实践者提供了宝贵的资源库。
pytorch-ood - 基于PyTorch的深度学习异常检测库
GithubPyTorch开源项目异常检测机器学习深度学习神经网络
pytorch-ood是一个专为深度学习设计的异常检测库。该库提供多种检测方法、损失函数、数据集和神经网络架构,支持预训练权重,并兼容pytorch-lightning等框架。它涵盖开放集识别、新颖性检测、置信度估计等领域,采用统一的异常分数约定,方便比较不同方法。这个基于PyTorch的工具库为研究人员和开发者提供了全面的异常检测解决方案。
Anomify - 实时异常检测平台 提升指标监控效率
AI工具Anomify告警系统实时分析异常检测指标监控
Anomify为实时异常检测平台,致力于优化指标监控流程。平台采用先进算法分析数据,实时检测异常并告警,减少误报并加速问题解决。适用对象包括管理者、SRE和DevOps工程师,支持多种时间序列数据库和通知方式,有助于提升系统性能监控效率,快速识别和处理问题。
anomalize - R语言时间序列异常检测工具
AnomalizeGithubR语言开源项目异常检测数据分析时间序列
anomalize是一个R语言包,用于时间序列异常检测。它提供时间序列分解、异常检测和重组等功能,可有效分离正常数据和异常数据。该工具支持直观的可视化,并可通过清理异常值提高预测准确性。虽然核心功能已被timetk包替代,但anomalize仍保留原有功能以支持现有代码。
alibi-detect - 专注异常值、对抗性和漂移检测的开源Python库
Alibi DetectGithub对抗检测开源项目异常检测机器学习监控漂移检测
alibi-detect是一个开源的异常值、对抗性和漂移检测Python库。它为表格数据、文本、图像和时间序列提供在线和离线检测器。库中包含多种算法,如用于异常检测的孤立森林、马氏距离和自编码器,以及用于漂移检测的KS检验和MMD。alibi-detect兼容TensorFlow和PyTorch,并具有内置预处理功能,可检测各种类型的数据漂移。
AnomalyGPT - 突破性工业异常检测方法
AnomalyGPTGithubImageBindVicuna工业异常检测开源项目视觉语言模型
AnomalyGPT是一种创新的工业异常检测方法,结合了大型视觉语言模型技术。该方法无需手动设置阈值,能自动检测工业图像中的异常,并指出其位置和特征。AnomalyGPT通过预训练的图像编码器和语言模型,利用模拟异常数据来分析工业图像及相关描述。此外,它还可以仅凭少量正常样本就能识别新类型的异常。
TagAnomaly - 多时间序列异常检测数据标注与可视化工具
GithubShiny框架开源项目异常检测数据可视化时间序列标记工具
TagAnomaly是一款开源的多时间序列异常检测数据标注工具。它提供直观的可视化界面,支持用户在时间序列上选择和检查异常点,比较不同类别的时间序列,并利用Twitter异常检测算法提供参考。该工具还支持观察类别间分布变化,有助于创建高质量的异常检测模型训练数据集。TagAnomaly适用于需要处理多类别时间序列数据的数据科学和分析项目。
Anomaly-Transformer - 创新时间序列异常检测模型的新方法
Anomaly-TransformerGithub开源项目异常检测无监督学习时间序列注意力机制
Anomaly-Transformer是一种时间序列异常检测模型,利用关联差异作为可区分标准,并结合Anomaly-Attention机制和极小极大策略提高检测效果。该模型在多个基准数据集上展现出优秀性能,为无监督时间序列异常检测领域提供了新的解决方案。
WinClip - 先进的零样本和少样本异常检测算法
GithubWinCLIP少样本学习开源项目异常检测计算机视觉零样本学习
WinCLIP是计算机视觉领域的创新零样本和少样本异常检测算法,专注于异常分类和异常分割。该方法在MVTec-AD和VisA数据集上表现出色,在图像级和像素级异常检测任务中均展现优异性能。项目提供完整实现代码,包含环境配置、数据集准备和结果复现指南,为研究人员和开发者提供重要参考,推动了异常检测技术的发展。
Segment-Any-Anomaly - 基于混合提示正则化的零样本异常分割方法
GithubSAA+图像处理开源项目异常分割计算机视觉零样本学习
Segment-Any-Anomaly项目提出了一种基于混合提示正则化的零样本异常分割方法。该方法通过适配Grounding DINO和Segment Anything等基础模型,实现了对多种异常检测数据集的高效分割。项目在MVTec-AD、VisA等公开数据集上展现出优秀性能,并在VAND工作坊竞赛中取得佳绩。仓库包含完整代码实现、演示和使用说明,便于研究者复现和应用。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号