yzhao062/pyod

CNN-based AutoEncoder for Image Outlier Detection

Open

#387 geöffnet am 9. Apr. 2022

Auf GitHub ansehen
 (1 Kommentar) (0 Reaktionen) (0 zugewiesene Personen)Python (1.308 Forks)batch import
help wanted

Repository-Metriken

Stars
 (7.762 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 4T 17h) (14 gemergte PRs in 30 T)

Beschreibung

The current autoencoder and VAE only supports 2-d data, while there is a need to handle 3-d images. PR welcomed!

Contributor Guide

Research-Richtung
Das Issue fordert das Hinzufügung eines CNN basierten Autoencoders für 3D Bild Ausreißererkennung. Beginnen Sie mit der Untersuchung der vorhandenen Autoencoder und VAE Implementierungen in pyod (z. B. in pyod/models/autoencoder.py). Untersuchen Sie, wie 2D Daten verarbeitet werden, und erweitern Sie dies auf 3D unter Verwendung von Faltungsschichten (z. B. von Conv2D zu Conv3D). Erwägen Sie die Verwendung von PyTorch oder TensorFlow, abhängig vom aktuellen Backend der Bibliothek. Prüfen Sie verwandte Diskussionen in den Kommentaren. Die Implementierung sollte der API der Bibliothek entsprechen und Tests enthalten.
Tech Stack
python
Domain
machine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Veraltet
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
PythonDeep learning basicsConvolutional neural networksFamiliarity with pyod library
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
60