JunX

# Summary > Provide a short summary of the issue. Sections below provide guidance on what factors are considered important to reproduce an issue. https://github.com/oneapi-src/oneAPI-samples/blob/4bed52e76ceb17243a0bc4ce24e9aed52aaa6e49/DirectProgramming/DPC%2B%2B/StructuredGrids/iso3dfd_dpcpp/src/iso3dfd.cpp#L282-L288 - the pattern not works...

the version 3.x and 4.x use the different api (Image) `pip install gradio` will install the `latest gradio` > also found that the #295 is for gradio 4.x api.

# norm 范数 - 数学中的基本概念，用于度量向量长度或矩阵大小 ## L-p范数 - **L-p范数不是一个范数，而是一组范数** - **L-p** 范数公式如下 $$\huge L_p = \Vert x \Vert_p = \sqrt[p]{\sum_{1}^{n} x_{i}^{p}} $$ $$\large x = (x_1, x_2,...,x_n)$$  ### L0...

# Metrics for Classification - 图像分类任务中根据二分类/多分类/多标签等有不同的 Metrics - **Accuracy** `当样本不均衡时，Accuracy 不能很好的区分模型` - **Precision** - **Recall** - Fβ/`F1` - ROC - PR - AUC - Confusion Matrix - Error Rate ##...

Datasets Image2D Classification Pets

2

# Oxford-IIIT Pets - 由英国牛津大学视觉几何组（Visual Geometry Group）收集整理 - Oxford-IIIT Pet Dataset 包含37种宠物分类，每种分类大概200张图片  ## Downloads ``` wget http://www.robots.ox.ac.uk/~vgg/data/pets/data/images.tar.gz wget http://www.robots.ox.ac.uk/~vgg/data/pets/data/annotations.tar.gz ``` ## Annotations ``` trimaps/ Trimap annotations for every image...

Datasets Image2D Classification Cifar

1

# Cifar - 由加拿大高级研究所（Canadian Institute for Advanced Research）收集和整理的 - [Cifar10](#Cifar10) 常见的 10种物体 - [Cifar100](#Cifar100) 更精细的 100 类物体 ## Cifar10 - 60000 张 32x32 彩色图片 - 10 个种类，每种 6000 张图片 -...

Datasets Image2D Classification mnist

1

# Mnist - 美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). - 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员 ## Samples ## Download Datasets | Description...

# PaDiM - **嵌入提取** - 使用预训练的 CNN 网络生成 Image Embedding - 提取中间层feature 组成嵌入向量 - 使用随机选择来降低维数，去除冗余信息 - 正常类的学习 - 构建正常类特征 - 对训练集中正常图片相应的 `patch` 建模高斯分布, 作为正常特征 - 计算 `Anomaly Map` - 待测试图片与正常类特征计算相似度...

# AnomalyCLIP ## 摘要 * ZSAD (Zero-shot anomaly detection) 因为领域隐私保密等问题无数据，需要辅助数据训练 * 辅助数据训练存在的问题: 泛化到不同领域存在前景对象，异常区域和背景特征不同的差异 * VLM(CLIP) 的在视觉方面表现强劲，但是在 ZSAD 方面比较弱，原因是 VLM 更关注前景对象的的类语义 * 提出 AnomalyCLIP 用于提升 CLIP 在 ZSAD 方面的性能 * AnomalyCLIP...