VISION LAB / ANOMALY DETECTION
PatchCore
정상 오렌지로 학습한 이상 점수·히트맵과 놓친 사례를 확인합니다. 실제 선별 라인 영상에는 RF-DETR·ByteTrack과 연속 프레임 판정을 연결했습니다.
NORMAL-ONLY ANOMALY DETECTION
샘플 결과
실행 결과를 불러오는 중입니다.
정상 학습 이미지는 메모리 뱅크를 만들고, 보정 이미지는 임계값을 정합니다. 평가 이미지는 학습·보정과 분리해 결과를 확인합니다.
MODEL RESULT
- 이상 점수
- 판정 임계값
점수는 정상 패치와의 거리에서 나온 값이며 확률이 아닙니다. 임계값을 넘으면 이상으로 판정합니다.
- 데이터 정답
- 데이터 구분
이 구분에 표시할 샘플이 없습니다.
평가 기록
영상 추적 결과
최근 5프레임 중 3회 초과검증 범위와 한계
- 불량 198장 중 12장 검출 · 186장 놓침. 정상 50장에서는 오탐 0장입니다.
- 공유된 Roboflow 사례와 다른 공개 데이터를 사용했습니다. 원문의 정상 237장 학습·Jetson 성능을 재현했다는 의미는 아닙니다.
- 정상 사진 110장으로 메모리 뱅크를 만들고, 별도 정상 30장으로 임계값을 고정했습니다. 증강·유사 그룹을 분리했지만 원본 개체·촬영 세션 정보가 없어 일반화 성능을 보장하지 않습니다.
- 히트맵은 정상 패치와의 차이입니다. 결함 종류·식용 가능 여부를 판정하지 않으며, 픽셀 정답이 없어 위치 정확도는 평가하지 않았습니다.
- 선별 라인 영상은 정답 없는 다른 촬영 환경의 통합 시험입니다. 여러 과일이 한 검출 박스로 묶이거나 추적 ID가 갈립니다. 168개 ID는 과일 168개가 아니며, 51개 표시 ID는 불량 개수가 아닙니다.
- 이미지당 평균 9.42ms는 RTX 4090에서 측정한 특징 추출·검색 등의 실행 시간입니다. 파일 읽기·저장·검출·추적을 포함한 전체 영상 속도나 Jetson 결과가 아닙니다.
- 브라우저는 저장된 추론 결과를 탐색합니다. 새 파일의 GPU 추론은 experiments/patchcore의 로컬 실행 스크립트로 수행합니다.
출처
- PatchCore 논문
- PatchCore 저자 구현 · 참고 알고리즘
- Roboflow 원문 사례
- Orange Fruit Image Dataset · Ashif Shuvo, Most.Subrina Afrin Monika, Wahada Jinnat Oishy Bhuian
- 선별 라인 원본 · Jonathan David / Pexels
- RF-DETR
- ByteTrack · Roboflow Trackers
오렌지 사진: 저자 3인, Mendeley V2, CC BY 4.0. 중앙 크롭·축소·히트맵 오버레이 처리. 영상: Jonathan David / Pexels License, 축소·추론 표시 추가. RF-DETR Small·Trackers: Apache-2.0. PatchCore 참조 코드: Apache-2.0; 이 실험은 별도 PyTorch 구현이며 torchvision 사전학습 특징을 사용합니다.