工业产线上的质检环节长期以来都是个让人又爱又恨的领域。爱的是它直接决定出厂良率恨的是传统视觉方案太依赖“喂样本”——你得先把各种缺陷拍个几百上千张标注好模型才认得出来。可现实是产线上良品满地跑缺陷品却像中彩票有时候攒一个月都凑不齐几十张像样的缺陷图。更别提有些缺陷是突发的今天没见过的划痕明天可能就冒出来你根本没法提前准备样本。这就是无监督异常检测要解决的核心痛点只用正常样本训练让模型学会“正常长什么样”任何偏离正常的区域都判为异常。而MVTec AD数据集正是这个方向最经典的公开基准十五个类别覆盖了瓶子、金属件、纺织品、电子元件等典型工业场景既有缺陷样本用于评估又有像素级标注用于定位。拿它练手基本等于把工业质检的常见形态过了一遍。这篇文章面向的是刚接触异常检测、想跑通第一个完整流程的工程师或学生。我会从数据集的目录结构讲起一路带到模型选型、训练配置、评估指标解读以及那些文档里不会写、只有踩过才知道的坑。全程用PyTorch生态代码可直接复现不需要多卡一张消费级显卡足够。1. 先搞清楚MVTec AD到底给了你什么很多人拿到数据集压缩包解压完看到一堆文件夹就懵了直接开始写DataLoader结果训练半天发现评估方式完全对不上。所以第一步不是写代码而是把数据集的“契约”读明白。1.1 目录结构里藏着的评估逻辑MVTec AD的标准结构是这样的以bottle类别为例bottle/ ├── train/ │ └── good/ # 只有正常样本约200张 ├── test/ │ ├── good/ # 正常测试样本 │ ├── broken_large/ # 缺陷类型1 │ ├── broken_small/ # 缺陷类型2 │ └── contamination/ # 缺陷类型3 └── ground_truth/ ├── broken_large/ # 对应的像素级mask ├── broken_small/ └── contamination/这里有几个关键点必须注意。训练集只有good一个子目录这是无监督设定的物理体现——你绝对不能把test里的缺陷样本混进训练。测试集按缺陷类型分子目录这意味着评估时可以按缺陷类型分别统计看出模型对哪种缺陷更敏感。ground_truth只对缺陷样本提供mask正常测试样本没有mask评估图像级指标时用不到它。我见过有人把test/good也拿去做训练理由是“反正是正常样本”。这在技术上不算错但会破坏基准的可比性——别人用200张训练你用400张指标高了也不说明方法好。做研究对比时严格按官方划分来。1.2 十五个类别的难度差异MVTec AD包含15个类别但它们的难度天差地别选错类别可能让你误以为自己的方法不行。类别训练样本数缺陷类型数难度特点bottle2093缺陷对比度高入门友好hazelnut3913纹理类缺陷细微metal_nut2204缺陷方向多变screw3205极小缺陷定位难transistor2134结构复杂易误报carpet2805纯纹理适合练手grid2645规则纹理异常即破规leather2455自然纹理变化大tile2305纹理结构混合wood2475自然纹理cable2248缺陷类型最多capsule2195小目标pill2677颜色形状toothbrush602样本极少zipper2407结构细长新手建议从bottle或carpet开始。bottle的缺陷断裂、污染在灰度上差异明显模型容易学到carpet是纯纹理没有复杂结构干扰适合验证纹理类方法。screw和transistor留到后面调优时再碰它们的误报率很容易飙高。1.3 为什么不用ImageNet预训练权重直接微调这是个高频疑问。ImageNet预训练模型确实强但它的特征空间是为“分类1000类自然物体”优化的对工业缺陷这种低层纹理异常不一定敏感。更关键的是无监督设定下你没有缺陷标签微调无从谈起。常见做法是用预训练模型做特征提取器冻结权重只在正常样本上建立特征分布模型。这样既利用了大规模预训练的表征能力又不需要缺陷标签。后面讲模型时会展开。2. 模型选型从重建式到嵌入式的取舍无监督异常检测的方法大致分两派重建式自编码器、GAN和嵌入式特征嵌入密度估计。选哪派取决于你的缺陷类型和算力预算。2.1 重建式方法的直觉与陷阱重建式的逻辑很直白用正常样本训练一个自编码器让它学会压缩再还原正常图像。测试时异常区域因为没见过的模式重建误差会偏大误差图就是异常热力图。听起来很美但有个致命陷阱自编码器可能把异常也重建得很好。尤其是当异常区域较小、或者模型容量过大时它会“脑补”出正常的样子导致漏检。我早期用普通卷积自编码器跑screw类别图像级AUROC只有0.72远低于论文报告值排查后发现就是小缺陷被重建掉了。缓解手段有几个限制瓶颈层维度、加记忆模块如MemAE、或者用跳跃连接但只允许正常特征通过。不过这些都会增加调参负担。2.2 嵌入式方法为什么更稳嵌入式方法的思路是用预训练CNN提取正常样本的特征在特征空间里建一个分布模型高斯、KNN、归一化流等测试时算特征到分布的距离。它的优势在于预训练特征本身就有强判别力不需要从零学重建。而且特征空间维度可控密度估计比像素级重建稳定得多。目前MVTec AD榜单上排名靠前的方法绝大多数是嵌入式或其变体。代价是推理时要过一遍CNN速度比轻量自编码器慢但工业质检通常不是实时性瓶颈可以接受。2.3 我的选型建议PatchCore起步如果你只想跑通一个效果不错、代码不复杂的基线我推荐PatchCore。它的核心思想是用预训练CNN提取正常样本的局部patch特征存进一个记忆库测试时用最近邻搜索找异常。为什么选它无需训练特征提取完直接建库省去调参烦恼效果好在MVTec AD上图像级AUROC普遍0.99可解释异常分数直接来自最近邻距离热力图清晰有官方实现anomalib库内置几行代码就能跑下面用anomalib演示完整流程。如果你不想装这个库后面我也会给纯PyTorch的最小实现思路。3. 环境搭建与数据准备的实际操作3.1 依赖安装的版本坑anomalib对版本比较敏感我实测稳定的组合是pip install anomalib1.1.0 pip install torch2.1.0 torchvision0.16.0 pip install opencv-python4.8.1.78注意不要盲目装最新版。anomalib1.2之后API有变动网上很多教程还是旧版写法混用会报KeyError。锁定1.1.0能避开大部分坑。如果要用GPU确认CUDA版本和torch匹配。torch.cuda.is_available()返回False的话先查驱动别急着改代码。3.2 数据集下载与目录校验MVTec AD官网下载需要填表下载后解压得到一个mvtec_anomaly_detection文件夹。建议放到项目根目录下的datasets/里。校验目录是否正确跑这段import os root datasets/mvtec_anomaly_detection categories sorted(os.listdir(root)) print(f类别数: {len(categories)}) for cat in categories: train_good os.path.join(root, cat, train, good) n len(os.listdir(train_good)) print(f{cat}: {n} 张训练图)正常输出应该是15个类别训练图数量在60到400之间。如果某个类别是0说明解压不完整。3.3 用anomalib的Folder数据集适配anomalib自带MVTecAD数据模块但如果你想用自己的数据或调整划分用Folder更灵活from anomalib.data import Folder datamodule Folder( namemvtec, rootdatasets/mvtec_anomaly_detection, normal_dirtrain/good, abnormal_dirtest, normal_test_dirtest/good, mask_dirground_truth, tasksegmentation, image_size(256, 256), train_batch_size32, eval_batch_size32, num_workers4, ) datamodule.setup()tasksegmentation表示你要做像素级定位会加载mask。如果只关心图像级分类设成classification能省内存。提示image_size设256是PatchCore的常用配置。设512会提升小缺陷定位精度但显存翻倍记忆库也变大。先用256跑通再按需调。4. PatchCore训练与推理的完整链路4.1 模型初始化的关键参数from anomalib.models import Patchcore model Patchcore( backbonewide_resnet50_2, layers[layer2, layer3], coreset_sampling_ratio0.1, num_neighbors9, )逐个解释这些参数为什么这么设backbone选wide_resnet50_2这是PatchCore论文的默认配置。ResNet50的特征在工业异常上表现均衡wide版本通道更多特征更丰富。换成resnet18会快但精度掉换成efficientnet有时更好但需要额外调。layers取layer2和layer3浅层特征分辨率高适合定位小缺陷深层特征语义强适合判断整体异常。取两层做拼接是精度和速度的折中。只用layer4会丢失细节只用layer1噪声太大。coreset_sampling_ratio0.1记忆库不能存所有patch特征否则几十万条推理时最近邻搜索慢到没法用。这个参数表示保留10%的代表性特征。0.1是论文推荐值降到0.01会明显掉点升到0.5提升有限但变慢。num_neighbors9算异常分数时取第9近邻的距离而不是第1近邻。这是为了鲁棒性——单个最近邻可能是噪声多个近邻的加权距离更稳。4.2 训练过程到底在做什么PatchCore的“训练”其实只有两步提取正常样本特征、coreset采样建库。没有梯度下降没有epoch循环。from anomalib.engine import Engine engine Engine(max_epochs1, devices1) engine.fit(modelmodel, datamoduledatamodule)max_epochs1不是敷衍是真的只需要一遍。fit内部会遍历训练集提取特征然后做coreset采样。在bottle类别上这个过程在单张RTX 3060上大约30秒。如果你看到loss曲线是空的别慌PatchCore本来就没有loss。4.3 推理与指标输出test_results engine.test(modelmodel, datamoduledatamodule) print(test_results)输出会包含image_AUROC、pixel_AUROC、image_F1Score等。在bottle上正常应该看到指标典型值image_AUROC0.998pixel_AUROC0.985image_F1Score0.99如果pixel_AUROC明显低于image_AUROC说明模型能判断“这张图有异常”但定位不准。这通常是小缺陷或mask边界模糊导致的后面调image_size或换backbone。4.4 可视化异常热力图光看数字不够得看图确认模型关注的位置对不对from anomalib.utils.visualization import ImageVisualizer visualizer ImageVisualizer() predictions engine.predict(modelmodel, datamoduledatamodule) for pred in predictions[:5]: visualizer.visualize_image(pred)生成的热力图会叠加在原图上红色区域是模型认为异常的位置。重点看两件事缺陷处是否被高亮正常区域是否干净。如果正常区域大片红色说明误报严重需要调num_neighbors或coreset比例。5. 评估指标背后的门道与常见误读5.1 AUROC高不代表能用AUROC是排序指标衡量的是“异常样本的分数是否普遍高于正常样本”。它不关心阈值也不关心绝对分数。一个AUROC 0.99的模型如果分数分布重叠区很宽实际部署时选阈值依然头疼。工业场景更关心在固定误报率下的召回率。比如产线要求误报不超过1%那你要看的是FPR1%时TPR是多少。anomalib的test输出里没有直接给这个需要自己从预测分数算。5.2 图像级与像素级指标的分工图像级AUROC回答“这张图有没有异常”用于分拣良品/不良品。像素级AUROC回答“异常在哪个位置”用于引导修复或标注。很多论文只报图像级但工业落地往往两者都要。如果只能优化一个优先图像级——先分对再定位。定位不准可以人工复核分错了直接漏检。5.3 按缺陷类型拆解指标整体AUROC会被样本多的缺陷类型主导。cable有8种缺陷如果某种只占5%它对整体指标影响很小但可能恰恰是产线最关心的。建议自己写个脚本按test下的子目录分别算AUROCimport os from sklearn.metrics import roc_auc_score # 假设你已经有每个测试样本的异常分数和标签 # scores: list of float, labels: list of 0/1 # 按缺陷类型分组后分别调用roc_auc_score这样能发现“模型对划痕敏感但对污染无感”这类问题针对性补数据或换特征层。6. 踩坑实录那些让我调了两天的报错6.1 显存溢出与batch size的博弈image_size512加wide_resnet50_2在8G显存上eval_batch_size32必炸。报错是CUDA out of memory但改小batch后指标会波动。我的处理方式训练特征提取阶段用batch_size8评估阶段用batch_size1逐张推理。慢是慢点但显存稳。或者用torch.cuda.amp混合精度能省约40%显存代价是极小概率数值不稳定。6.2 mask对齐问题导致的像素指标虚低有次跑tile类别pixel_AUROC只有0.81明显异常。排查发现ground_truth里的mask尺寸和原图不一致anomalib默认会resize但插值方式可能让细缺陷消失。解决在Folder里显式设mask_dir并确认image_size和mask的resize策略一致。如果mask是二值的用最近邻插值如果是软mask用双线性。这个细节文档里没强调但不一致会让像素指标失真。6.3 类别名大小写引发的静默失败anomalib的MVTecAD模块对类别名大小写敏感。Bottle和bottle会被当成两个类别前者找不到数据但不会报错只是返回空DataLoader训练“成功”但模型是随机的。自查方法datamodule.setup()后打印len(datamodule.train_dataloader().dataset)为0就是有问题。6.4 多类别联合训练的陷阱有人想一个模型跑15个类别省事。但PatchCore的记忆库是按类别建的混在一起会让正常特征分布变宽异常分数被稀释。实测多类别联合的AUROC比单类别低3到5个点。正确做法是每个类别单独建库、单独推理。如果非要共享backbone至少coreset和最近邻搜索要按类别隔离。7. 从跑通到能用几个提升方向跑通bottle只是起点。想让模型在真实产线上站住脚还有几件事要做。第一扩充正常样本的多样性。MVTec AD每个类别只有两三百张正常图真实产线的光照、角度、批次差异远不止这些。如果条件允许用产线实际正常图替换或补充训练集模型对正常变化的容忍度会明显提升。第二阈值标定要基于业务。别用0.5这种拍脑袋阈值。收集一批产线正常图算它们的异常分数分布取99分位作为阈值保证误报率可控。再收集已知缺陷图看召回是否达标。两者权衡出最终阈值。第三推理速度优化。PatchCore的瓶颈在最近邻搜索。记忆库几万条时用FAISS建索引能把单张推理从几百毫秒降到几十毫秒。anomalib底层已经用了FAISS但你可以调coreset_sampling_ratio进一步压缩。第四持续监控与迭代。上线后记录每张图的异常分数和人工复核结果积累一段时间后你会发现某些“误报”其实是新型缺陷。把这些样本加进评估集定期重训记忆库模型才能跟上产线变化。我个人在几个项目里的体会是无监督异常检测的落地难点从来不在模型本身而在数据管理和阈值运营。MVTec AD帮你把模型部分跑通剩下的功夫在产线现场。先把这套流程走顺再带着具体问题去调比一上来就追SOTA方法务实得多。
无监督异常检测实战：MVTec AD数据集与PatchCore工业质检全流程
工业产线上的质检环节长期以来都是个让人又爱又恨的领域。爱的是它直接决定出厂良率恨的是传统视觉方案太依赖“喂样本”——你得先把各种缺陷拍个几百上千张标注好模型才认得出来。可现实是产线上良品满地跑缺陷品却像中彩票有时候攒一个月都凑不齐几十张像样的缺陷图。更别提有些缺陷是突发的今天没见过的划痕明天可能就冒出来你根本没法提前准备样本。这就是无监督异常检测要解决的核心痛点只用正常样本训练让模型学会“正常长什么样”任何偏离正常的区域都判为异常。而MVTec AD数据集正是这个方向最经典的公开基准十五个类别覆盖了瓶子、金属件、纺织品、电子元件等典型工业场景既有缺陷样本用于评估又有像素级标注用于定位。拿它练手基本等于把工业质检的常见形态过了一遍。这篇文章面向的是刚接触异常检测、想跑通第一个完整流程的工程师或学生。我会从数据集的目录结构讲起一路带到模型选型、训练配置、评估指标解读以及那些文档里不会写、只有踩过才知道的坑。全程用PyTorch生态代码可直接复现不需要多卡一张消费级显卡足够。1. 先搞清楚MVTec AD到底给了你什么很多人拿到数据集压缩包解压完看到一堆文件夹就懵了直接开始写DataLoader结果训练半天发现评估方式完全对不上。所以第一步不是写代码而是把数据集的“契约”读明白。1.1 目录结构里藏着的评估逻辑MVTec AD的标准结构是这样的以bottle类别为例bottle/ ├── train/ │ └── good/ # 只有正常样本约200张 ├── test/ │ ├── good/ # 正常测试样本 │ ├── broken_large/ # 缺陷类型1 │ ├── broken_small/ # 缺陷类型2 │ └── contamination/ # 缺陷类型3 └── ground_truth/ ├── broken_large/ # 对应的像素级mask ├── broken_small/ └── contamination/这里有几个关键点必须注意。训练集只有good一个子目录这是无监督设定的物理体现——你绝对不能把test里的缺陷样本混进训练。测试集按缺陷类型分子目录这意味着评估时可以按缺陷类型分别统计看出模型对哪种缺陷更敏感。ground_truth只对缺陷样本提供mask正常测试样本没有mask评估图像级指标时用不到它。我见过有人把test/good也拿去做训练理由是“反正是正常样本”。这在技术上不算错但会破坏基准的可比性——别人用200张训练你用400张指标高了也不说明方法好。做研究对比时严格按官方划分来。1.2 十五个类别的难度差异MVTec AD包含15个类别但它们的难度天差地别选错类别可能让你误以为自己的方法不行。类别训练样本数缺陷类型数难度特点bottle2093缺陷对比度高入门友好hazelnut3913纹理类缺陷细微metal_nut2204缺陷方向多变screw3205极小缺陷定位难transistor2134结构复杂易误报carpet2805纯纹理适合练手grid2645规则纹理异常即破规leather2455自然纹理变化大tile2305纹理结构混合wood2475自然纹理cable2248缺陷类型最多capsule2195小目标pill2677颜色形状toothbrush602样本极少zipper2407结构细长新手建议从bottle或carpet开始。bottle的缺陷断裂、污染在灰度上差异明显模型容易学到carpet是纯纹理没有复杂结构干扰适合验证纹理类方法。screw和transistor留到后面调优时再碰它们的误报率很容易飙高。1.3 为什么不用ImageNet预训练权重直接微调这是个高频疑问。ImageNet预训练模型确实强但它的特征空间是为“分类1000类自然物体”优化的对工业缺陷这种低层纹理异常不一定敏感。更关键的是无监督设定下你没有缺陷标签微调无从谈起。常见做法是用预训练模型做特征提取器冻结权重只在正常样本上建立特征分布模型。这样既利用了大规模预训练的表征能力又不需要缺陷标签。后面讲模型时会展开。2. 模型选型从重建式到嵌入式的取舍无监督异常检测的方法大致分两派重建式自编码器、GAN和嵌入式特征嵌入密度估计。选哪派取决于你的缺陷类型和算力预算。2.1 重建式方法的直觉与陷阱重建式的逻辑很直白用正常样本训练一个自编码器让它学会压缩再还原正常图像。测试时异常区域因为没见过的模式重建误差会偏大误差图就是异常热力图。听起来很美但有个致命陷阱自编码器可能把异常也重建得很好。尤其是当异常区域较小、或者模型容量过大时它会“脑补”出正常的样子导致漏检。我早期用普通卷积自编码器跑screw类别图像级AUROC只有0.72远低于论文报告值排查后发现就是小缺陷被重建掉了。缓解手段有几个限制瓶颈层维度、加记忆模块如MemAE、或者用跳跃连接但只允许正常特征通过。不过这些都会增加调参负担。2.2 嵌入式方法为什么更稳嵌入式方法的思路是用预训练CNN提取正常样本的特征在特征空间里建一个分布模型高斯、KNN、归一化流等测试时算特征到分布的距离。它的优势在于预训练特征本身就有强判别力不需要从零学重建。而且特征空间维度可控密度估计比像素级重建稳定得多。目前MVTec AD榜单上排名靠前的方法绝大多数是嵌入式或其变体。代价是推理时要过一遍CNN速度比轻量自编码器慢但工业质检通常不是实时性瓶颈可以接受。2.3 我的选型建议PatchCore起步如果你只想跑通一个效果不错、代码不复杂的基线我推荐PatchCore。它的核心思想是用预训练CNN提取正常样本的局部patch特征存进一个记忆库测试时用最近邻搜索找异常。为什么选它无需训练特征提取完直接建库省去调参烦恼效果好在MVTec AD上图像级AUROC普遍0.99可解释异常分数直接来自最近邻距离热力图清晰有官方实现anomalib库内置几行代码就能跑下面用anomalib演示完整流程。如果你不想装这个库后面我也会给纯PyTorch的最小实现思路。3. 环境搭建与数据准备的实际操作3.1 依赖安装的版本坑anomalib对版本比较敏感我实测稳定的组合是pip install anomalib1.1.0 pip install torch2.1.0 torchvision0.16.0 pip install opencv-python4.8.1.78注意不要盲目装最新版。anomalib1.2之后API有变动网上很多教程还是旧版写法混用会报KeyError。锁定1.1.0能避开大部分坑。如果要用GPU确认CUDA版本和torch匹配。torch.cuda.is_available()返回False的话先查驱动别急着改代码。3.2 数据集下载与目录校验MVTec AD官网下载需要填表下载后解压得到一个mvtec_anomaly_detection文件夹。建议放到项目根目录下的datasets/里。校验目录是否正确跑这段import os root datasets/mvtec_anomaly_detection categories sorted(os.listdir(root)) print(f类别数: {len(categories)}) for cat in categories: train_good os.path.join(root, cat, train, good) n len(os.listdir(train_good)) print(f{cat}: {n} 张训练图)正常输出应该是15个类别训练图数量在60到400之间。如果某个类别是0说明解压不完整。3.3 用anomalib的Folder数据集适配anomalib自带MVTecAD数据模块但如果你想用自己的数据或调整划分用Folder更灵活from anomalib.data import Folder datamodule Folder( namemvtec, rootdatasets/mvtec_anomaly_detection, normal_dirtrain/good, abnormal_dirtest, normal_test_dirtest/good, mask_dirground_truth, tasksegmentation, image_size(256, 256), train_batch_size32, eval_batch_size32, num_workers4, ) datamodule.setup()tasksegmentation表示你要做像素级定位会加载mask。如果只关心图像级分类设成classification能省内存。提示image_size设256是PatchCore的常用配置。设512会提升小缺陷定位精度但显存翻倍记忆库也变大。先用256跑通再按需调。4. PatchCore训练与推理的完整链路4.1 模型初始化的关键参数from anomalib.models import Patchcore model Patchcore( backbonewide_resnet50_2, layers[layer2, layer3], coreset_sampling_ratio0.1, num_neighbors9, )逐个解释这些参数为什么这么设backbone选wide_resnet50_2这是PatchCore论文的默认配置。ResNet50的特征在工业异常上表现均衡wide版本通道更多特征更丰富。换成resnet18会快但精度掉换成efficientnet有时更好但需要额外调。layers取layer2和layer3浅层特征分辨率高适合定位小缺陷深层特征语义强适合判断整体异常。取两层做拼接是精度和速度的折中。只用layer4会丢失细节只用layer1噪声太大。coreset_sampling_ratio0.1记忆库不能存所有patch特征否则几十万条推理时最近邻搜索慢到没法用。这个参数表示保留10%的代表性特征。0.1是论文推荐值降到0.01会明显掉点升到0.5提升有限但变慢。num_neighbors9算异常分数时取第9近邻的距离而不是第1近邻。这是为了鲁棒性——单个最近邻可能是噪声多个近邻的加权距离更稳。4.2 训练过程到底在做什么PatchCore的“训练”其实只有两步提取正常样本特征、coreset采样建库。没有梯度下降没有epoch循环。from anomalib.engine import Engine engine Engine(max_epochs1, devices1) engine.fit(modelmodel, datamoduledatamodule)max_epochs1不是敷衍是真的只需要一遍。fit内部会遍历训练集提取特征然后做coreset采样。在bottle类别上这个过程在单张RTX 3060上大约30秒。如果你看到loss曲线是空的别慌PatchCore本来就没有loss。4.3 推理与指标输出test_results engine.test(modelmodel, datamoduledatamodule) print(test_results)输出会包含image_AUROC、pixel_AUROC、image_F1Score等。在bottle上正常应该看到指标典型值image_AUROC0.998pixel_AUROC0.985image_F1Score0.99如果pixel_AUROC明显低于image_AUROC说明模型能判断“这张图有异常”但定位不准。这通常是小缺陷或mask边界模糊导致的后面调image_size或换backbone。4.4 可视化异常热力图光看数字不够得看图确认模型关注的位置对不对from anomalib.utils.visualization import ImageVisualizer visualizer ImageVisualizer() predictions engine.predict(modelmodel, datamoduledatamodule) for pred in predictions[:5]: visualizer.visualize_image(pred)生成的热力图会叠加在原图上红色区域是模型认为异常的位置。重点看两件事缺陷处是否被高亮正常区域是否干净。如果正常区域大片红色说明误报严重需要调num_neighbors或coreset比例。5. 评估指标背后的门道与常见误读5.1 AUROC高不代表能用AUROC是排序指标衡量的是“异常样本的分数是否普遍高于正常样本”。它不关心阈值也不关心绝对分数。一个AUROC 0.99的模型如果分数分布重叠区很宽实际部署时选阈值依然头疼。工业场景更关心在固定误报率下的召回率。比如产线要求误报不超过1%那你要看的是FPR1%时TPR是多少。anomalib的test输出里没有直接给这个需要自己从预测分数算。5.2 图像级与像素级指标的分工图像级AUROC回答“这张图有没有异常”用于分拣良品/不良品。像素级AUROC回答“异常在哪个位置”用于引导修复或标注。很多论文只报图像级但工业落地往往两者都要。如果只能优化一个优先图像级——先分对再定位。定位不准可以人工复核分错了直接漏检。5.3 按缺陷类型拆解指标整体AUROC会被样本多的缺陷类型主导。cable有8种缺陷如果某种只占5%它对整体指标影响很小但可能恰恰是产线最关心的。建议自己写个脚本按test下的子目录分别算AUROCimport os from sklearn.metrics import roc_auc_score # 假设你已经有每个测试样本的异常分数和标签 # scores: list of float, labels: list of 0/1 # 按缺陷类型分组后分别调用roc_auc_score这样能发现“模型对划痕敏感但对污染无感”这类问题针对性补数据或换特征层。6. 踩坑实录那些让我调了两天的报错6.1 显存溢出与batch size的博弈image_size512加wide_resnet50_2在8G显存上eval_batch_size32必炸。报错是CUDA out of memory但改小batch后指标会波动。我的处理方式训练特征提取阶段用batch_size8评估阶段用batch_size1逐张推理。慢是慢点但显存稳。或者用torch.cuda.amp混合精度能省约40%显存代价是极小概率数值不稳定。6.2 mask对齐问题导致的像素指标虚低有次跑tile类别pixel_AUROC只有0.81明显异常。排查发现ground_truth里的mask尺寸和原图不一致anomalib默认会resize但插值方式可能让细缺陷消失。解决在Folder里显式设mask_dir并确认image_size和mask的resize策略一致。如果mask是二值的用最近邻插值如果是软mask用双线性。这个细节文档里没强调但不一致会让像素指标失真。6.3 类别名大小写引发的静默失败anomalib的MVTecAD模块对类别名大小写敏感。Bottle和bottle会被当成两个类别前者找不到数据但不会报错只是返回空DataLoader训练“成功”但模型是随机的。自查方法datamodule.setup()后打印len(datamodule.train_dataloader().dataset)为0就是有问题。6.4 多类别联合训练的陷阱有人想一个模型跑15个类别省事。但PatchCore的记忆库是按类别建的混在一起会让正常特征分布变宽异常分数被稀释。实测多类别联合的AUROC比单类别低3到5个点。正确做法是每个类别单独建库、单独推理。如果非要共享backbone至少coreset和最近邻搜索要按类别隔离。7. 从跑通到能用几个提升方向跑通bottle只是起点。想让模型在真实产线上站住脚还有几件事要做。第一扩充正常样本的多样性。MVTec AD每个类别只有两三百张正常图真实产线的光照、角度、批次差异远不止这些。如果条件允许用产线实际正常图替换或补充训练集模型对正常变化的容忍度会明显提升。第二阈值标定要基于业务。别用0.5这种拍脑袋阈值。收集一批产线正常图算它们的异常分数分布取99分位作为阈值保证误报率可控。再收集已知缺陷图看召回是否达标。两者权衡出最终阈值。第三推理速度优化。PatchCore的瓶颈在最近邻搜索。记忆库几万条时用FAISS建索引能把单张推理从几百毫秒降到几十毫秒。anomalib底层已经用了FAISS但你可以调coreset_sampling_ratio进一步压缩。第四持续监控与迭代。上线后记录每张图的异常分数和人工复核结果积累一段时间后你会发现某些“误报”其实是新型缺陷。把这些样本加进评估集定期重训记忆库模型才能跟上产线变化。我个人在几个项目里的体会是无监督异常检测的落地难点从来不在模型本身而在数据管理和阈值运营。MVTec AD帮你把模型部分跑通剩下的功夫在产线现场。先把这套流程走顺再带着具体问题去调比一上来就追SOTA方法务实得多。
