open-edge-platform/anomalib

解决的问题

Anomalib 为深度学习异常检测算法的基准测试、开发和部署提供了一个统一的框架。它通过提供大量即插即用的算法和基准数据集，专门解决了实现和比较最先进的异常检测模型（特别是针对视觉数据，如图像和视频）的困难。

工作原理

该库基于 PyTorch Lightning 构建，提供模块化 API 和 CLI，抽象掉了样板代码，使用户能够专注于模型实现。它支持广泛的硬件后端（CPU、NVIDIA CUDA、AMD ROCm 和 Intel XPU），并与 OpenVINO 集成，以便在 Intel 硬件上进行加速推理。该平台包含用于训练、推理、超参数优化（通过 Weights & Biases 和 Comet.ml）以及实验跟踪的工具。

适用对象

专为从事视觉异常检测的研究人员和开发人员设计，特别是那些在工业环境中工作、需要检测图像或视频中缺陷或异常情况的人员。

亮点

• 广泛的算法库：最大规模的即插即用深度学习异常检测算法公开集合。
• 硬件灵活性：原生支持多种加速器，包括 Intel GPU 和 OpenVINO 优化。
• 低代码选项：包含 "Anomalib Studio"，这是一个用于以最少编码训练和部署模型的 Web 应用程序，支持来自 USB/IP 摄像机的输入。
• 部署就绪：为生产环境提供专用的推理工具和导出选项。