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.

실행 완료

NORMAL-ONLY ANOMALY DETECTION

샘플 결과

실행 결과를 불러오는 중입니다.

검증 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

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.