yzhao062/pyod

CNN-based AutoEncoder for Image Outlier Detection

Open

#387 ouverte le 9 avr. 2022

Voir sur GitHub
 (1 commentaire) (0 réactions) (0 assignés)Python (1 308 forks)batch import
help wanted

Métriques du dépôt

Stars
 (7 762 stars)
Métriques de merge PR
 (Merge moyen 4j 17h) (14 PRs mergées en 30 j)

Description

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

Guide contributeur

Direction de recherche
La demande concerne l'ajout d'un autoencodeur basé sur CNN pour la détection d'anomalies dans les images 3D. Commencez par examiner les implémentations existantes d'autoencodeur et de VAE dans pyod (par exemple dans pyod/models/autoencoder.py). Étudiez comment les données 2D sont traitées et étendez les au 3D en utilisant des couches de convolution (par exemple de Conv2D à Conv3D). Envisagez d'utiliser PyTorch ou TensorFlow, selon le backend actuel de la bibliothèque. Consultez les discussions connexes dans les commentaires. L'implémentation doit correspondre à l'API de la bibliothèque et inclure des tests.
Stack technique
python
Domaine
machine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-2 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Ancienne
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
PythonDeep learning basicsConvolutional neural networksFamiliarity with pyod library
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
60