open-edge-platform/anomalib

解決的問題

Anomalib 為深度學習異常檢測演算法的基準測試、開發與部署提供了一個統一的框架。它透過提供大量即插即用的演算法與基準數據集，特別針對視覺數據（圖像與影片）在實現與比較最先進異常檢測模型時的困難點提供解決方案。

工作原理

該函式庫基於 PyTorch Lightning 構建，提供模組化 API 與 CLI，將樣板程式碼抽象化，讓使用者能夠專注於模型實現。它支援廣泛的硬體後端（CPU、NVIDIA CUDA、AMD ROCm 與 Intel XPU），並與 OpenVINO 整合，以便在 Intel 硬體上進行加速推論。該平台包含用於訓練、推論、超參數優化（透過 Weights & Biases 與 Comet.ml）以及實驗追蹤的工具。

適用對象

專為從事視覺異常檢測的研究人員與開發人員設計，特別是那些在工業環境中，需要檢測圖像或影片中缺陷或異常情況的人員。

亮點

• 廣泛的演算法庫：最大規模的即插即用深度學習異常檢測演算法公開集合。
• 硬體靈活性：原生支援多種加速器，包括 Intel GPU 與 OpenVINO 優化。
• 低程式碼選項：包含 "Anomalib Studio"，這是一個用於以最少程式碼訓練與部署模型的 Web 應用程式，支援來自 USB/IP 攝影機的輸入。
• 部署就緒：為生產環境提供專用的推論工具與匯出選項。