50분
MVTec 데이터셋 실습: 실제 제조 불량 이미지
Day 4: 이상 탐지 (비지도 학습)
MVTec 데이터셋 실습: 실제 제조 불량 이미지
비전 AI — 제조 외관검사 시스템 > Day 4: 이상 탐지 (비지도 학습)
학습 목표
MVTec AD 데이터셋의 구조와 카테고리를 이해한다 실제 제조 이미지로 이상 탐지 모델을 학습하고 평가할 수 있다 이상 점수 맵(히트맵)을 생성하여 불량 위치를 시각화할 수 있다
MVTec AD: 제조 이상 탐지의 표준 벤치마크
MVTec Anomaly Detection 데이터셋은 실제 제조 이미지로 구성된 이상 탐지 분야의 표준 벤치마크이다.
카테고리 (15종)
[텍스처] carpet, grid, leather, tile, wood
[물체] bottle, cable, capsule, hazelnut, metal_nut,
pill, screw, toothbrush, transistor, zipper데이터 구조
mvtec_anomaly_detection/
├── bottle/
│ ├── train/
│ │ └── good/ # 정상 이미지만 (209장)
│ ├── test/
│ │ ├── good/ # 정상 테스트 (20장)
│ │ ├── broken_large/ # 불량 유형 1
│ │ ├── broken_small/ # 불량 유형 2
│ │ └── contamination/ # 불량 유형 3
│ └── ground_truth/ # 불량 위치 마스크에디터 로딩 중...
핵심 포인트
- • MVTec AD는 15종 카테고리의 실제 제조 이미지 벤치마크
- • AUROC(Area Under ROC Curve)가 이상 탐지의 핵심 평가 지표
- • 사전학습 모델의 특징 추출 + 거리 기반 방법이 간단하면서 효과적
- • 실제 프로젝트에서는 anomalib의 PatchCore 사용 추천
AI로 학습하기 — 꿀팁
✅MVTec 데이터 분할 오류 점검AI 학습 팁
AI에게 MVTec AD 데이터셋 로더와 train/test 분할 코드를 리뷰받아 정상/이상 레이블 혼입·카테고리 간 데이터 유출을 점검하세요.
이 MVTec AD 데이터셋 로더와 이상 탐지 모델 평가 코드를 리뷰해줘. MVTec 폴더 구조(train/good, test/good, test/defect_type)에서 정상·이상 레이블 혼입 케이스, 여러 제품 카테고리(texture/object)를 혼합 학습할 때 발생하는 데이터 유출, 픽셀 단위 이상 맵 평가(AUROC) 계산 오류를 찾아줘.
이 팁이 도움이 됐나요?