图像异常检测

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

在机器学习中，处理异常检测任务是很常见的。数据科学家经常遇到必须显示，解释和预测异常的问题。在这篇文章中，我们主要讲述：从时间序列交换为图像。给定一张图像，我们要实现双重目的：预测异常的存在并对其进行个性化处理，从而对结果进行丰富多彩的表示。

数据集

我们从互联网上获得了数据：裂缝数据集包含墙壁裂缝的图像（URL格式）。提供了1428张图像：其中一半显示了新的且未损坏的墙块；其余部分显示了各种尺寸和类型的裂缝。第一步包括发出一个获取请求，以读取图像，调整大小并将其转换为数组格式。

images = []
for url in tqdm.tqdm(df['content']):
    response = requests.get(url)
    img = Image.open(BytesIO(response.content))
    img = img.res