tepe 0.6.10

A concise and unified toolkit for Anomaly Detection's Training, Evalutation, Prediction and Export (AD-TEPE).

异物检测AD-TEPE

A concise and unified toolkit for Anomaly Detection's Training, Evalutation, Prediction and Export (AD-TEPE).

The supported algorithms are as follows,

• anomaly detection:
  • CFA
  • RD

环境安装

可以直接运行下列命令，本地conda环境配置和服务器docker使用详见：环境安装

## step1 克隆仓库到ad-tepe文件夹下
git clone -b anomaly_detection git@10.106.249.57:SD/tepe.git ad-tepe
## step2 转到ad-tepe目录下
cd ad-tepe
## step3 安装相关依赖
pip install -r requirements.txt
## step4 将tepe依赖安装到环境中
pip install -v -e .  # or "python setup.py develop"

异物检测数据集格式

参考公开数据集MVTec格式

data_root
├── scene1
│   ├── train
│   │   └── good
│   │       ├── 000000000001.jpg
│   │       ├── 000000000002.jpg
│   │       ...
│   │       └── 000000001111.jpg
│   └── test
│       ├── good
│       │   ├── 000000002222.jpg
│       │   ├── 000000002223.jpg
│       │   ...
│       │   └── 000000004444.jpg
│       ├── bad1
│       │   ├── 000000003333.jpg
│       │   ├── 000000003334.jpg
│       │   ...
│       │   └── 000000005555.jpg
│       ├── bad2
│       ...
├── scene2
│   ├── train
│   │   └── good
│   │       │
│   │       ...
│   └── test
│       ├── good
│       │   │
│       │   ...
│       ├── bad1
│       │   │
│       │   ...
│       ├── bad2
│       ...
└── scene3
    │
    ...

快速使用

1. 创建配置文件

参考configs/anomaly_detection目录下的配置文件，复制/创建一个自己需要的config.py文件，它既可以当作配置文件，也可以当作程序运行的入口。它里面包含一个任务配置类，这个类需要继承一个默认的配置类，默认配置类在tepe/tasks/*/task.py中实现。

以cfa检测算法为例：

## config.py
from tepe.tasks.cfa import CFAConfig

class TaskConfig(CFAConfig):
  def __init__(self):
    super(TaskConfig, self).__init__()
    self.task_name = 'cfa_eguo'  # 任务名称，输出文件夹以这个命名
    self.data_root = '/home/zepei/DATA/yiwushuju/image'  # 数据集路径
    self.scene = 'eguo'  # 数据集中场景名称
    self.max_epoch = 30  # 最大迭代轮数
    self.input_size = [320, 512]  # 输入分辨率
    self.batch_size = 4  
    self.keep_ratio = False

2. 调用配置文件

有两种调用方式：

方法一：使用命令行

# 训练 (train)
tepe train -t {config.py}

# 验证 (evaluate)
tepe eval -t {config.py} -w {trained_weights}

# 预测 (predict)
tepe predict -t {config.py} -s {img|fold|video} -w {trained_weights}

# 导出 (export)
tepe export -t {config.py} -w {trained_weights}

方法二：直接运行config.py

只需要在config.py中实现main入口，去实例化你的任务类，

## config.py

from tepe.tasks.cfa import CFAConfig

class TaskConfig(CFAConfig):
    ...

# 运行此py文件入口
if __name__ == '__main__':
    task = TaskConfig()
    # 训练
    task.train()

    # 评估
    task.eval()

    # 导出
    task.export()

    # 预测
    task.weights = ""  # 模型文件
    source = ""  # 图片/文件/视频/等
    view_img = True  # 是否可视化结果
    save_img = True  # 是否保存预测结果
    task.predict(source=source, view_img=view_img, save_img=save_img)

更新日志：

[2022/09/22] 新的功能: 可以通过http请求来进行存图片,训练,导出,预测等操作

[2022/09/14] 实现了异常检测(anomaly detection)知识蒸馏算法rd的训练train和导出export

---