从数据到部署-端到端无监督异常检测快速上手分享

<p>在工业制造、医疗以及安全领域，存在着大量需要进行异常检测的场景。现有的基于监督式的异常检测算法，往往因为缺乏足够的异常样本来进行模型训练，因此在实际场景使用中往往存在着较多的限制。</p> <p>而 Anamolib 就是一种新型的基于无监督式学习的开源异常检测库，它内部包含一系列的最先进的无监督式学习算法，完全依靠训练阶段对于正常样本形态的学习，并通过基于学习到的正常样本的分布来比较和识别异常样本。</p> <p>Anomalib 具有可复现、可延展、模块化、可提供实时性能的特点。为了方便开发者的使用，除了开源的公共数据集外， Anamolib 提供了数据集接口，使得开发者可以方便的使用自定义数据集，去使用已有的开源模型或者训练新模型，同时提供了 Benchmarking 基准测试工具，方便开发者在任意数据集上比较各种算法模型的效果，方便开发者选择效果最优的模型进行部署使用。</p>