在安装python库的时候显示PyYAML版本低，装不上去。显示的当前conda环境就是所需的虚拟环境。：重新进入当前虚拟环境即可。显示是6.0.2版本。

在使用DiAD官方给的代码时候，出现了以下bug：OSError: Can’t load tokenizer for ‘openai/clip-vit-large-patch14’. If you were trying to load it from ‘https://huggingface.co/models’, make sure you don’t have a local directo

图像异常检测, 其目标是在不使用真实异常样本的情况下, 利用现有的正常样本构建模型以检测可能出现的各种异常图像,在工业外观缺陷检测、医学图像分析、高光谱图像处理等领域有较高的研究意义和应用价值.主要分为基于传统方法和基于深度学习两大类型。

对于异常数据来说，但模型检测为异常时，是否是因为其过曝区域的影响对于正常数据来说，过曝区域容易使其被检测为异常之前的方法是在检测后形成patch-score时对其进行加权处理，但是，但过曝影响的区域过大不能进行全部的消除，同时增加加权处理的面积对正常区域和异常区域都是影响。过曝区域一方面在实际检测和图像增强可以一定程度缓解其影响，同时在实际工业检测要求中，尽量减少漏检的发生，对于过曝等应按照异常处

本周主要对PaDim算法的有关原理进行学习，然后使用anomalib库进行模型的初步训练，进行结果分析。总结：能够得到可以分类异常与正常样本的模型，但模型分割能力不强。

这篇论文主要关注大规模工业制造中的关键组件——检测缺陷部件。主要解决了检测中冷启动问题，即仅使用正常(无缺陷)的示例图像来拟合模型。虽然每个类别都可以有手工制作的解决方案，但目标是构建能够同时在许多不同任务上自动工作的系统。最佳的方法是将ImageNet模型的嵌入与异常检测模型相结合。本文在此基础上进行了扩展，提出了PatchCore,它使用了一个最大代表性的记忆库来存储正常的补丁特征。

图像异常检测, 其目标是在不使用真实异常样本的情况下, 利用现有的正常样本构建模型以检测可能出现的各种异常图像,在工业外观缺陷检测、医学图像分析、高光谱图像处理等领域有较高的研究意义和应用价值.主要分为基于传统方法和基于深度学习两大类型。