思考：Anomalib是一个异常检测的框架，里面配备了丰富的模型，和相应的前后处理和对应数据集的处理，有很强的通用性，其通用框架也很值得参考。目前支持的模型：
CFA
CFlow
DFKDE
DFM
DRAEM
EfficientAd
FastFlow
GANomaly
PADIM
PatchCore
Reverse Distillation
STFPM

资料汇总
Github链接：https://github.com/openvinotoolkit/anomalib/blob/main/README.md
论文链接：https://arxiv.org/pdf/2202.08341v1.pdf
其他参考资料：https://paperswithcode.com/paper/efficientad-accurate-visual-anomaly-detection

一、准备数据集

要训练自己的数据集，首先要知道原本数据集的格式。

• mvtec
  padim模型对应mvtec数据格式。它的目录如下：

`-- category1                                       类别
    |-- ground_truth                                GT数据集
    |   `-- bad                                     异常数据集(和test的异常数据集对应)
    |       |-- wucao1-1.png
    |       `-- wucao2.png
    |-- test                                        测试数据集
    |   |-- bad                
    |   |   |-- wucao1-1.png
    |   |   `-- wucao2.png
    |   `-- good
    |       |-- wucao1-2.png
    |       `-- wucao1.png
    `-- train                                      训练数据集
        `-- good
            |-- wucao1-2.png
            `-- wucao1.png

二、dockerfile修改

原本的.ci/Docker直接构建image会报错，建议参照image构建
构建image，可以把26行的 requestment.txt 改成.ci/Docker中的module

RUN pip3 --no-cache-dir install -r requirements/base.txt
RUN pip3 --no-cache-dir install -rrequirements/openvino.txt
RUN pip3 --no-cache-dir install -rrequirements/dev.txt

或者在装好的docker里安装也可。

还要装

pip install anomalib

换源，在后面加

 -i https://pypi.tuna.tsinghua.edu.cn/simple

–>

 pip install anomalib -i https://pypi.tuna.tsinghua.edu.cn/simple

三、训练&验证

python3 tools/train.py --config=../src/anomalib/models/padim/config.yaml

默认padim模型，把配置文件路径传入，在results下会生成，注意要更改config.yaml里面的dataset下的path，改成自己数据集的路径，category也改成自己的类别。