问题

[git-whitepig]

作者你好！我目前也在做few-shot AD相关的研究，请问核心代码是否已完全开源？我在你开源的代码基础上补全了AUROC的计算，并成功运行了代码，部分类别的结果相差不大，但还有一部分类别的结果不尽人意，如MVTec AD数据集toothbrush类IMG-AUROC未超过60%，zipper类也是如此，这与论文中的结果相去甚远。请问是有部分代码未公开吗？还请作者开源这部分代码，谢谢！
zipper:

transistor:

toothbrush:

leather:

[wgp1113]

代码我还没细看，目前没跑通，请问你是如何修改的？改了哪些地方？这是FastRecon对应的代码吗？怎么会有STPM？

[git-whitepig]

代码我还没细看，目前没跑通，请问你是如何修改的？改了哪些地方？这是FastRecon对应的代码吗？怎么会有STPM？

参考文档下面的PatchCore, 并不难，作者可能未公开部分代码，目前部分类完全无法复现结果。代码核心部分与论文描述一致，可能存在额外的trick, 或者...
若发现结果接近，几乎能够复现的方法，欢迎交流讨论！

[wgp1113]

我还在看代码，代码里的特征与patchcore用的特征并不相同，官方的patchcore是把512和1024维特征融合成了1024维，该代码是拼接成了1536维特征，而且代码为啥会用STPM，这个是PatchCore_anomaly_detection的作者另一个代码库里东西，（Student-Teacher Feature Pyramid Matching for Anomaly Detection），此外readme文件里也没设置load_size，image_size,原始的256,224默认居然都设置成[7200, 2400]，怪不得一开始跑那么慢

[git-whitepig]

我还在看代码，代码里的特征与patchcore用的特征并不相同，官方的patchcore是把512和1024维特征融合成了1024维，该代码是拼接成了1536维特征，而且代码为啥会用STPM，这个是PatchCore_anomaly_detection的作者另一个代码库里东西，（Student-Teacher Feature Pyramid Matching for Anomaly Detection），此外readme文件里也没设置load_size，image_size,原始的256,224默认居然都设置成[7200, 2400]，怪不得一开始跑那么慢

暂不清楚作者的目的。经测试，通过设置随机种子能够固定实验结果，但很难找到较好的结果。从这个角度来说，结果的好坏很大程度上取决于支持样本的质量，目前正探索方法寻找高质量样本集。

[wgp1113]

我还在看代码，代码里的特征与patchcore用的特征并不相同，官方的patchcore是把512和1024维特征融合成了1024维，该代码是拼接成了1536维特征，而且代码为啥会用STPM，这个是PatchCore_anomaly_detection的作者另一个代码库里东西，（Student-Teacher Feature Pyramid Matching for Anomaly Detection），此外readme文件里也没设置load_size，image_size,原始的256,224默认居然都设置成[7200, 2400]，怪不得一开始跑那么慢

暂不清楚作者的目的。经测试，通过设置随机种子能够固定实验结果，但很难找到较好的结果。从这个角度来说，结果的好坏很大程度上取决于支持样本的质量，目前正探索方法寻找高质量样本集。

我改了作者的代码，能跑了，但是效果非常差，我的参数设置是：
image size：[368,368]
coreset ratio：0.15，每幅图像会提取出(46 * 46) x 1536维， 2 shot提取的coreset大小就是 (2 * 46 * 46 * 0.15=634) x 1536
参考图像选取：训练阶段，固定随机种子，trainset选取前2张图像作为参考图像
λ：0.3

参考结果：
随机种子0，bottle：
2 shot,image-auroc: 1.000 pixel-auroc: 0.840
4 shot,image-auroc: 0.472 pixel-auroc: 0.651
8 shot,image-auroc: 0.298 pixel-auroc: 0.624

随机种子0，cable：
2 shot,image-auroc: 0.898 pixel-auroc: 0.859
4 shot,image-auroc: 0.823 pixel-auroc: 0.855
8 shot,image-auroc: 0.450 pixel-auroc: 0.588

我的设置不知道有没有错误，不知道您的参数是如何设置的

[git-whitepig]

我还在看代码，代码里的特征与patchcore用的特征并不相同，官方的patchcore是把512和1024维特征融合成了1024维，该代码是拼接成了1536维特征，而且代码为啥会用STPM，这个是PatchCore_anomaly_detection的作者另一个代码库里东西，（Student-Teacher Feature Pyramid Matching for Anomaly Detection），此外readme文件里也没设置load_size，image_size,原始的256,224默认居然都设置成[7200, 2400]，怪不得一开始跑那么慢

暂不清楚作者的目的。经测试，通过设置随机种子能够固定实验结果，但很难找到较好的结果。从这个角度来说，结果的好坏很大程度上取决于支持样本的质量，目前正探索方法寻找高质量样本集。

我改了作者的代码，能跑了，但是效果非常差，我的参数设置是： image size：[368,368] coreset ratio：0.15，每幅图像会提取出(46 * 46) x 1536维， 2 shot提取的coreset大小就是 (2 * 46 * 46 * 0.15=634) x 1536 参考图像选取：训练阶段，固定随机种子，trainset选取前2张图像作为参考图像 λ：0.3

参考结果： 随机种子0，bottle： 2 shot,image-auroc: 1.000 pixel-auroc: 0.840 4 shot,image-auroc: 0.472 pixel-auroc: 0.651 8 shot,image-auroc: 0.298 pixel-auroc: 0.624

随机种子0，cable： 2 shot,image-auroc: 0.898 pixel-auroc: 0.859 4 shot,image-auroc: 0.823 pixel-auroc: 0.855 8 shot,image-auroc: 0.450 pixel-auroc: 0.588

我的设置不知道有没有错误，不知道您的参数是如何设置的

参数设置与你的一致，经测试，样本质量决定了结果的上限，不同的超参数（主要为采样率和λ）同样影响最终结果。可尝试不同的随机种子和超参数实现更好的结果。

[luow23]

作者你好！我目前也在做few-shot AD相关的研究，请问核心代码是否已完全开源？我在你开源的代码基础上补全了AUROC的计算，并成功运行了代码，部分类别的结果相差不大，但还有一部分类别的结果不尽人意，如MVTec AD数据集toothbrush类IMG-AUROC未超过60%，zipper类也是如此，这与论文中的结果相去甚远。请问是有部分代码未公开吗？还请作者开源这部分代码，谢谢！ zipper: transistor: toothbrush: leather:
您好，可以告诉我如何补全计算auroc的代码嘛？

[Harry-Bai]

大佬，请问作者的代码该如何修改才能跑通呀