WinCLIP

CVPR'23论文《WinCLIP: Zero-/few-shot anomaly classification and segmentation》的非官方实现（论文链接：https://openaccess.thecvf.com/content/CVPR2023/papers/Jeong_WinCLIP_Zero-Few-Shot_Anomaly_Classification_and_Segmentation_CVPR_2023_paper.pdf）。

环境配置

python >= 3.10.11
torch >= 1.13.0
torchvision >= 0.14.0
scipy >= 1.10.1
scikit-image >= 0.21.0
numpy >= 1.24.3
tqdm >= 4.64.0

设备

单张 NVIDIA GeForce RTX 3090

运行步骤

步骤 1. 准备异常检测数据集

下载异常检测数据集并将其转换为 MVTec AD 格式。（对于我们在论文中使用的数据集，我们提供了转换脚本）

数据集文件夹结构应如下所示：

DATA_PATH/
    subset_1/
        train/
            good/
        test/
            good/
            defect_class_1/
            defect_class_2/
            defect_class_3/
            ...
    ...

步骤 2. 快速开始

修改 dataset_root_dir、datasetname、shot（位于 main.py）以及 OBJECT_TYPE（位于 mvtec_dataset.py）的值。例如，若在 visa 的 candle 类别上以 k=2 运行：

dataset_root_dir = "/visa_anomaly_detection"
datasetname = "visa"
shot = 0

OBJECT_TYPE = ["candle"]

并运行

python main.py

引用

本实现用于生成我们 CVPR'24 InCTRL 论文中的 WinCLIP 结果。如果您觉得本实现对您的研究有帮助，我们希望您能通过引用 InCTRL 论文来表示认可：

@inproceedings{zhu2024toward,
  title={Toward generalist anomaly detection via in-context residual learning with few-shot sample prompts},
  author={Zhu, Jiawen and Pang, Guansong},
  booktitle={Proceedings of the IEEE/CVF conference on computer vision and pattern recognition},
  pages={17826--17836},
  year={2024}
}