【2023工业图像异常检测代码复现】DDAD: 基于条件去噪扩散模型的异常检测方法

Paper：Anomaly Detection with Conditioned Denoising Diffusion Models
Code：https://github.com/arimousa/DDAD?tab=readme-ov-file

文献解读：【2023工业图像异常检测文献】DDAD: 基于条件去噪扩散模型的异常检测方法

1、Introduction

DDAD方法的核心在于 利用条件去噪过程来生成高质量的重构图像，这些图像在结构和模式上与输入图像非常相似，但去除了异常 。这种方法的创新之处在于它不仅能够检测异常，还能够精确地定位异常区域。通过结合像素级和特征级比较，DDAD能够捕捉到不同类型的异常，包括那些在像素层面上不易察觉的异常，如凹陷或凸起。此外， 通过域适应技术，DDAD能够调整预训练的特征提取器，使其更好地适应特定的异常检测任务，同时避免在适应过程中丢失预训练模型的泛化能力 。这种结合了生成模型、条件去噪和域适应的方法，使得DDAD在异常检测任务中表现出色。

2、Framework

项目结构与文件说明：

• images/: 存储图像文件的目录，可能用于可视化或示例。
• config.yaml: 配置文件，定义了模型训练和评估的各种参数。
• dataset.py: 数据集加载和处理的相关代码。
• ddad.py: 核心模块，实现了DDAD框架的主要逻辑。
• feature_extractor.py: 特征提取器的定义和实现。
• loss.py: 定义了损失函数，用于训练过程中的误差计算。
• main.py: 项目入口文件，定义了如何运行整个程序。
• metrics.py: 包含了评估指标的实现，用于量化模型性能。
• reconstruction.py: 重建模块，可能包括生成图像的代码。
• requirements.txt: 列出了项目运行所需要的Python库及其版本要求。
• resnet.py: 定义了ResNet模型的实现，可能用于作为特征提取器的一部分。
• train.py: 用于训练模型的脚本，通常会定义训练流程、参数设置等。
• unet.py: U-Net模型的实现，用于图像重建。
• visualize.py: 用于生成模型训练、测试结果可视化的脚本。

3、Environments

PyTorch 2.0.0
Python 3.8(ubuntu20.04)
Cuda 11.8
（扩散模型对硬件要求较高，建议使用4090以上显卡）

4、Datasets

数据集使用的是MVTecAD (MVTEC ANOMALY DETECTION DATASET)

数据来源https://www.mvtec.com/company/research/datasets/mvtec-ad，将其放在某个位置datapath。确保其遵循以下数据树结构：

mvtec
|-- bottle
|-----|----- ground_truth
|-----|----- test
|-----|--------|------ good
|-----|--------|------ broken_large
|-----|--------|------ ...
|-----|----- train
|-----|--------|------ good
|-- cable
|-- ...

总共有15个子数据集：bottle（瓶子），cable（电缆），capsule（胶囊），carpet（地毯），grid（网格），hazelnut（危险螺母）， leather（皮革），metal_nut（金属螺母），pill（药丸 ），screw（螺丝 ），tile（瓷砖），toothbrush（牙刷 ），transistor（变压器），wood（木材），zipper（拉链）。

5、Requirements

对 requirements.txt 文件稍作修改，修改好的文件如下：

安装依赖，执行：pip install -r requirements.txt

所需的依赖没有完全提及。。。运行时，出现报错需要安装指定包，pip install 包名 ，就可解决了。。。

6、Train and Evaluation of the Model

1）从 Github 中下载 Checkpoints 模型

2）训练降噪 UNet 网络，运行：python main.py --train True

3）修改 config.yaml 文件中的设置，以在不同类别上训练模型

4）微调特征提取器，运行命令：python main.py --domain_adaptation True

5）评估和测试模型，运行：python main.py --detection True

7、Results

没运行完。。。