工业异常检测计算指标

工业异常检测计算指标

以下是工业异常检测中关键评估指标的 数学公式 及其详细说明，涵盖 Img-AUROC、Img-AP、Pixel-AUROC、Pixel-AP、Pixel-AUPRO 的计算过程，并附上混淆矩阵和辅助小指标公式。

---

1. 混淆矩阵（Confusion Matrix）

基础定义如下：

	预测正常	预测异常
真实正常	TN	FP
真实异常	FN	TP

---

2. 图像级指标（Image-Level Metrics）

在计算auroc时我们选择的阈值时从预测的分数来抽取的。

(1) Img-AUROC（图像级AUROC）

• 真阳性率（TPR） 和 假阳性率（FPR）：

$TPR=\frac{TP}{TP+FN},FPR=\frac{FP}{FP+TN}$

• AUROC 是 ROC 曲线下的面积，通过阈值变化计算：

$\text{Img-AUROC}={\int }_0^{1}TPR(FPR)dFPR$

(2) Img-AP（图像级平均精度）

• Precision 和 Recall：

$Precision=\frac{TP}{TP+FP},Recall=TPR$

• AP 是 Precision-Recall 曲线下的面积：

$\text{Img-AP}={\int }_0^{1}Precision(Recall)dRecall$

---

3. 像素级指标（Pixel-Level Metrics）

(1) Pixel-AUROC（像素级AUROC）

• 对每个像素的异常分数计算 TPR/FPR，公式同 Img-AUROC，但基于像素级预测和真实掩码（GT Mask）。

(2) Pixel-AP（像素级平均精度）

• 类似 Img-AP，但输入为像素级预测和 GT Mask 的展平向量：
  $\text{Pixel-AP}={\int }_0^{1}Precisio{n}_{\text{pixel}}(Recal{l}_{\text{pixel}})dRecall$

(3) Pixel-AUPRO（像素级AUPRO）

• PRO曲线 的纵轴为 平均重叠率（PRO），横轴为 FPR：

$PRO=\frac{1}{N_{\text{anom}}}{\sum }_{i=1}^{N_{\text{anom}}}\frac{T{P}_i}{T{P}_i+F{N}_i}$

其中 $N_{\text{anom}}$ 是 GT 异常区域的数量，$T{P}_i$ 和 FN_i 是第 i 个异常区域的像素级统计。

• AUPRO 是 PRO 曲线下面积：

$\text{Pixel-AUPRO}={\int }_0^{1}PRO(FPR)dFPR$

---

4. 辅助小指标（Secondary Metrics）

(1) FPR@95%TPR

• 当 TPR=95% 时的 FPR 值：

$FP{R}_{95}=FPR\text{s.t.}TPR=0.95$

(2) IoU阈值下的F1分数

• 交并比（IoU）和 F1：

$IoU=\frac{TP}{TP+FP+FN},F1=\frac{2\times Precision\times Recall}{Precision+Recall}$

(3) 区域大小敏感指标

• 小异常区域（如面积 < 10px）的 Pixel-AP：

${\text{Pixel-AP}}_{\text{small}}=\text{AP}\text{仅计算小异常区域}$

---