Project Icon

ad_examples

主动异常发现算法提升异常检测效率

ad_examples是一个异常检测Python库,实现了主动异常发现(AAD)算法。项目包含多种检测技术,涵盖无监督、时间序列和人机交互场景。AAD算法利用专家反馈和集成学习提高检测效率。库提供详细文档和API,适合异常检测研究和应用。

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。
egads - 开源时间序列异常检测Java库
EGADSGithubJava库开源软件开源项目时间序列异常检测自动化监控
EGADS是一个开源Java库,用于自动检测大规模时间序列数据中的异常。它采用模块化架构,包含时间序列建模和异常检测两个主要组件,支持多种模型和算法。EGADS可扩展性强,易于集成到现有监控系统中,适用于多种应用场景。该库仅依赖Java,部署简单,为大规模时间序列异常检测提供高效解决方案。
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。
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。
pyod - 用于多变量数据异常检测的强大的Python工具库
GithubPyODPython库多元数据开源项目异常检测算法
PyOD是Python领域应用广泛的异常检测工具库,自2017年起支持学术与商业用途。这个库集成了超过50种算法,涵盖从经典方法到最新的深度学习技术。它提供统一的操作界面,高性能的处理效率和快速训练预测功能,已被下载超过1700万次,得到了机器学习领域的广泛认可。
Adala - 提供灵活可扩展运行时环境的自主数据标注框架
AdalaGithub人工智能开源项目数据标注机器学习自适应学习
Adala 是一个用于数据处理的自主数据标注框架,具备灵活的运行时环境和Python集成。通过迭代学习,系统内的智能体可以独立获取技能,适应不同的环境。Adala 提供可靠的数据处理结果和多种定制化选项,适合AI工程师、机器学习研究人员、数据科学家和教育工作者使用,并兼容OpenAI和VertexAI等大型语言模型。
pyoats - 灵活强大的时间序列异常检测Python库
GithubOATS开源项目异常检测时间序列机器学习
pyoats是一个专注于时间序列异常检测的开源Python库。它整合了多种先进检测算法,支持单变量和多变量时间序列分析,并提供统一的输出接口。该项目不仅集成了PyTorch、TensorFlow等深度学习框架,还包含传统统计方法。pyoats旨在简化异常检测实验流程,为数据科学家和工程师提供了一个功能丰富、使用灵活的工具。
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。
anomalib - 视觉异常检测算法开发与部署工具库
AnomalibGithubOpenVINO基准测试开源项目异常检测深度学习
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。
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

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