尧图网页设计 
Anomalib MVTec AD 2 Datamodule三测试集工业异常检测数据集的加载与评估全流程【免费下载链接】anomalibAn anomaly detection library comprising state-of-the-art algorithms and features such as experiment management, hyper-parameter optimization, and edge inference.项目地址: https://gitcode.com/GitHub_Trending/an/anomalib本文围绕 Anomalib 官方文档中 MVTecAD2 Datamodule 参考页 所介绍的MVTecAD2DataModule 展开结合 核心实现源码 与 底层数据集类讲解 MVTec AD 2 数据集的下载、目录解析、train/val/test 划分以及 public、private、private_mixed 三套测试集的选择机制。读完后你可以直接在 Anomalib 中加载该数据集完成训练、本地评估并为官方排行榜提交做准备。一、MVTec AD 2 数据集概述MVTec AD 2 是 MVTec 团队推出的第二代工业异常检测基准面向无监督异常检测的进阶场景Advanced Scenarios for Unsupervised Anomaly DetectionarXiv 预印本 2024作者包括 Lars Heckler-Kram、Carsten Steger 等。相对于初代 MVTec AD它在测试集设计上做了关键变化提供三套相互独立的测试集以区分本地评估与官方排行榜评估两种用途。从 数据集模块的文档字符串 中可以看到三套测试集的定义测试集目录特点用途Public test settest_public/同时包含正常与异常样本且带有像素级 ground truth 掩码本地测试与初步性能估计Private test settest_private/官方未见测试样本不提供 ground truth提交官方排行榜Private mixed test settest_private_mixed/未见样本在已见与未见光照条件下随机混合拍摄无 ground truth提交官方排行榜数据集共包含 8 个类别定义在 CATEGORIES 常量 中CATEGORIES ( can, fabric, fruit_jelly, rice, sheet_metal, vial, wallplugs, walnuts, )每个类别都包含 RGB 图像和像素级异常分割掩码仅 public 测试集提供。数据集以 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) 许可证发布使用时需遵守其非商业与相同方式共享条款。官方评估通过 MVTec 官方 benchmark 站点源码注释中给出的域名为 benchmark.mvtec.com进行。二、Datamodule 快速上手MVTecAD2是继承自AnomalibDataModule的 PyTorch Lightning DataModule源码位于 src/anomalib/data/datamodules/image/mvtecad2.py可从anomalib.data顶层包直接导入。最小化用法与源码 类文档中的 Example 一致from anomalib.data import MVTecAD2 datamodule MVTecAD2( root./datasets/MVTec_AD_2, categorysheet_metal, train_batch_size32, eval_batch_size32, num_workers8, ) datamodule.setup() # 准备数据集下载如缺失 构建各 split 数据集调用setup()之后可以直接读取各 split 的样本数量print(fNumber of training samples: {len(datamodule.train_data)}) print(fNumber of validation samples: {len(datamodule.val_data)}) print(fNumber of test samples (public): {len(datamodule.test_public_data)}) print(fNumber of test samples (private): {len(datamodule.test_private_data)}) print(fNumber of test samples (private mixed): {len(datamodule.test_private_mixed_data)})仓库中提供了完整的可运行示例 examples/api/02_data/mvtecad2.py覆盖基础加载、自定义 transforms、三套测试集访问、直接用MVTecAD2Dataset构建 DataLoader 以及 matplotlib 可视化将gt_mask以红色半透明叠在图像上等场景。三、参数与默认值详解MVTecAD2.__init__的完整签名定义在 mvtecad2.py 第 113–142 行各参数含义与默认值如下参数类型默认值说明rootstr \| Path \| None./datasets/MVTec_AD_2数据集根目录。传入None时经resolve_dataset_root解析为数据集目录下的MVTec_AD_2categorystrsheet_metal要加载的类别名取值见上节CATEGORIEStrain_batch_sizeint32训练 batch sizeeval_batch_sizeint32验证与测试 batch sizenum_workersint8数据加载进程数train_augmentationsTransform \| NoneNone仅作用于训练集的 torchvision v2 增强val_augmentationsTransform \| NoneNone仅作用于验证集的增强test_augmentationsTransform \| NoneNone仅作用于测试集的增强augmentationsTransform \| NoneNone当未提供 stage 专属增强时的通用增强test_typestr \| TestTypeTestType.PUBLIC初始化时选择的测试集类型可传字符串public/private/private_mixedseedint \| NoneNone复现用随机种子使用 YAML 配置如流水线或 CLI 场景时对应的 init 配置形如仓库内置的 examples/configs/data/mvtecad2.yamlclass_path: anomalib.data.MVTecAD2 init_args: root: ./datasets/MVTec_AD_2 category: sheet_metal train_batch_size: 32 eval_batch_size: 32 num_workers: 8 test_type: public seed: null字符串形式的test_type会在构造时被显式转换为枚举TestType(test_type) if isinstance(test_type, str)拼写错误会直接抛出ValueError属于 fail-fast 设计。四、三套测试集的选择机制TestType与test_dataloader4.1 TestType 枚举TestType定义在 src/anomalib/data/datasets/image/mvtecad2.py 第 44–57 行class TestType(str, Enum): PUBLIC public # 带 ground truth 的本地评估测试集 PRIVATE private # 官方私有测试集无 ground truth PRIVATE_MIXED private_mixed # 混合光照条件的官方私有测试集它继承str因此在 Pydantic 校验、YAML 配置等场景中可以直接与字符串互换。4.2 setup 阶段一次性构建全部测试集值得注意的是_setup 方法第 173–221 行 并不按test_type只构建一个测试集而是一次性构建三个测试数据集self.test_public_data MVTecAD2Dataset( rootself.root, categoryself.category, splitSplit.TEST, test_typeTestType.PUBLIC, augmentationsself.test_augmentations, ) self.test_private_data MVTecAD2Dataset( rootself.root, categoryself.category, splitSplit.TEST, test_typeTestType.PRIVATE, augmentationsself.test_augmentations, ) self.test_private_mixed_data MVTecAD2Dataset( rootself.root, categoryself.category, splitSplit.TEST, test_typeTestType.PRIVATE_MIXED, augmentationsself.test_augmentations, ) # Always set test_data to public test set for standard evaluation self.test_data self.test_public_data两个关键行为test_data始终指向 public 测试集。这意味着在标准 Lightning 训练循环里validation/test阶段默认走的是带 ground truth 的本地评估路径不会误用私有集。MVTec AD 2 自带独立的验证集validation/good/因此_setup中val_data使用Split.VAL而非从训练集切分这也是与初代 MVTec AD训练集中无验证划分的一个实现差异。4.3 按类型获取 DataLoadertest_dataloader 方法第 223–263 行 是切换到私有测试集的统一入口datamodule.setup() public_loader datamodule.test_dataloader() # 回落到 self.test_type private_loader datamodule.test_dataloader(test_typeprivate) mixed_loader datamodule.test_dataloader(test_typeprivate_mixed)其内部按TestType分派到对应数据集最终统一返回一个DataLoadershuffleFalse、batch_sizeself.eval_batch_size、collate_fndataset.collate_fn、pin_memoryTrue。对于私有集由于样本没有 ground truth详见下节拿到的 batch 只用于推理输出而不是与标签对比打分。五、目录结构与样本解析make_mvtec2_dataset样本发现逻辑集中在 make_mvtec2_dataset 函数第 164–296 行。它期望数据集解压后遵循如下结构以单个类别目录为根root/ ├── test_private/ # 官方私有测试样本无标注 ├── test_private_mixed/ # 混合光照的官方私有测试样本无标注 ├── test_public/ │ ├── bad/ # 异常测试图像 │ ├── good/ # 正常测试图像 │ └── ground_truth/ │ └── bad/ # 异常图像的掩码命名为 stem_mask.png ├── train/ │ └── good/ # 训练集仅正常样本 └── validation/ └── good/ # 验证集仅正常样本解析规则可以从源码逐条读出训练集只扫描train/good下的图像标签为goodlabel_index0无掩码验证集只扫描validation/good同样label_index0public 测试集test_public/good的图像标记为正常label_index0test_public/bad的图像标记为异常label_index1且掩码文件名强制按图像名_mask.png规则在test_public/ground_truth/bad/下查找——若掩码缺失会抛出MisMatchErrorMissing mask for anomalous image保证图像与标注严格一一对应private / private_mixed 测试集目录下所有图像统一标记为labelunknown、label_index-1无掩码。-1这一约定的意义在于下游评估指标能识别出这些样本不可用于有监督打分只用于推理。函数最终返回一个 PandasDataFrame列包括path、split、label、image_path、mask_path、label_index并通过samples.attrs[task] segmentation声明该数据集面向分割任务。若整个类别目录下找不到任何.png/.PNG图像IMG_EXTENSIONS 中定义的扩展名函数会直接抛出RuntimeError。六、自动下载prepare_data 与 DownloadInfoDatamodule 内嵌了 DOWNLOAD_INFO 常量第 49–54 行声明了数据集的下载地址与 SHA-256 校验和DOWNLOAD_INFO DownloadInfo( namemvtecad2, urlhttps://www.mydrive.ch/shares/150997/701c90d3aea6588f404936e32a674602/download/ 466712769-1743429042/mvtec_ad_2.tar.gz, hashsumc0ded99ef32bfc8e352d52beb44515e5b292b8598cb963aadfa91ca0763505e4, )prepare_data 方法第 144–171 行 的判断逻辑非常简单if (self.root / self.category).is_dir(): logger.info(Found the dataset.) else: download_and_extract(self.root, DOWNLOAD_INFO)即以当前类别目录是否存在作为数据集就绪的判据只要root/category目录存在就跳过下载否则调用anomalib.data.utils.download_and_extract完成下载、按hashsum校验并解压。这带来两个实践上的注意点只下载/解压了部分类别也能触发已存在判定因为检查粒度是类别级而非压缩包级若已手动解压的数据集结构不符合第五节的目录约定问题会在_setup阶段make_mvtec2_dataset找不到图像或掩码以RuntimeError/MisMatchError暴露而不是静默产出空数据集。七、实战自定义 transforms 与直接构建 Dataset在 Lightning 训练流程外MVTecAD2Dataset也可以脱离 DataModule 直接使用。以下代码整理自 examples/api/02_data/mvtecad2.pyimport torch from torch.utils.data import DataLoader from torchvision.transforms.v2 import Compose, Resize, ToDtype, ToImage from anomalib.data import MVTecAD2 from anomalib.data.datasets.image.mvtecad2 import MVTecAD2Dataset, TestType from anomalib.data.utils import Split transform Compose([ ToImage(), Resize((256, 256)), ToDtype(torch.float32, scaleTrue), ]) # 通过 DataModule 传入 stage 专属增强 datamodule MVTecAD2( root./datasets/MVTec_AD_2, categorysheet_metal, train_augmentationstransform, val_augmentationstransform, test_augmentationstransform, ) datamodule.setup() # 或者直接用 Dataset collate_fn 构建 DataLoader train_dataset MVTecAD2Dataset( root./datasets/MVTec_AD_2, categorysheet_metal, splitSplit.TRAIN, augmentationstransform, ) train_loader DataLoader( train_dataset, batch_size4, shuffleTrue, collate_fntrain_dataset.collate_fn, # 产出 ImageItem 批量结构 pin_memoryTrue, )两个要点transforms 类型是torchvision.transforms.v2.Transform源码中即按该类型标注示例使用ToImage → Resize → ToDtype(float32, scaleTrue)的组合是配合 Anomalib 数据类dataclass输出结构的推荐写法自行构建DataLoader时必须带上dataset.collate_fn否则拿不到image/gt_label/gt_mask等具名字段结构示例中通过train_samples.image.shape、train_samples.gt_label直接访问批量字段public 测试集还可通过test_samples.gt_mask取到掩码。八、小结与延伸阅读MVTecAD2DataModule 的核心设计可以概括为三句话一次 setup 构建全部三套测试集、test_data默认指向 public 集、私有集样本以label_index-1标记以隔离评估语义。这使同一份代码既能支撑带标注的本地指标计算也能安全地驱动无标注私有集的推理流程契合 MVTec AD 2本地评估 官方排行榜双轨制的基准设计。进一步阅读MVTecAD2 Datamodule API 参考页DataModule 实现下载、setup 与测试集分派逻辑Dataset 实现TestType枚举与目录解析规则API 完整示例加载、transform、可视化一条龙YAML 配置示例流水线/CLI 场景的 init 参数写法【免费下载链接】anomalibAn anomaly detection library comprising state-of-the-art algorithms and features such as experiment management, hyper-parameter optimization, and edge inference.项目地址: https://gitcode.com/GitHub_Trending/an/anomalib创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Anomalib MVTec AD 2 Datamodule：三测试集工业异常检测数据集的加载与评估全流程
Anomalib MVTec AD 2 Datamodule三测试集工业异常检测数据集的加载与评估全流程【免费下载链接】anomalibAn anomaly detection library comprising state-of-the-art algorithms and features such as experiment management, hyper-parameter optimization, and edge inference.项目地址: https://gitcode.com/GitHub_Trending/an/anomalib本文围绕 Anomalib 官方文档中 MVTecAD2 Datamodule 参考页 所介绍的MVTecAD2DataModule 展开结合 核心实现源码 与 底层数据集类讲解 MVTec AD 2 数据集的下载、目录解析、train/val/test 划分以及 public、private、private_mixed 三套测试集的选择机制。读完后你可以直接在 Anomalib 中加载该数据集完成训练、本地评估并为官方排行榜提交做准备。一、MVTec AD 2 数据集概述MVTec AD 2 是 MVTec 团队推出的第二代工业异常检测基准面向无监督异常检测的进阶场景Advanced Scenarios for Unsupervised Anomaly DetectionarXiv 预印本 2024作者包括 Lars Heckler-Kram、Carsten Steger 等。相对于初代 MVTec AD它在测试集设计上做了关键变化提供三套相互独立的测试集以区分本地评估与官方排行榜评估两种用途。从 数据集模块的文档字符串 中可以看到三套测试集的定义测试集目录特点用途Public test settest_public/同时包含正常与异常样本且带有像素级 ground truth 掩码本地测试与初步性能估计Private test settest_private/官方未见测试样本不提供 ground truth提交官方排行榜Private mixed test settest_private_mixed/未见样本在已见与未见光照条件下随机混合拍摄无 ground truth提交官方排行榜数据集共包含 8 个类别定义在 CATEGORIES 常量 中CATEGORIES ( can, fabric, fruit_jelly, rice, sheet_metal, vial, wallplugs, walnuts, )每个类别都包含 RGB 图像和像素级异常分割掩码仅 public 测试集提供。数据集以 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) 许可证发布使用时需遵守其非商业与相同方式共享条款。官方评估通过 MVTec 官方 benchmark 站点源码注释中给出的域名为 benchmark.mvtec.com进行。二、Datamodule 快速上手MVTecAD2是继承自AnomalibDataModule的 PyTorch Lightning DataModule源码位于 src/anomalib/data/datamodules/image/mvtecad2.py可从anomalib.data顶层包直接导入。最小化用法与源码 类文档中的 Example 一致from anomalib.data import MVTecAD2 datamodule MVTecAD2( root./datasets/MVTec_AD_2, categorysheet_metal, train_batch_size32, eval_batch_size32, num_workers8, ) datamodule.setup() # 准备数据集下载如缺失 构建各 split 数据集调用setup()之后可以直接读取各 split 的样本数量print(fNumber of training samples: {len(datamodule.train_data)}) print(fNumber of validation samples: {len(datamodule.val_data)}) print(fNumber of test samples (public): {len(datamodule.test_public_data)}) print(fNumber of test samples (private): {len(datamodule.test_private_data)}) print(fNumber of test samples (private mixed): {len(datamodule.test_private_mixed_data)})仓库中提供了完整的可运行示例 examples/api/02_data/mvtecad2.py覆盖基础加载、自定义 transforms、三套测试集访问、直接用MVTecAD2Dataset构建 DataLoader 以及 matplotlib 可视化将gt_mask以红色半透明叠在图像上等场景。三、参数与默认值详解MVTecAD2.__init__的完整签名定义在 mvtecad2.py 第 113–142 行各参数含义与默认值如下参数类型默认值说明rootstr \| Path \| None./datasets/MVTec_AD_2数据集根目录。传入None时经resolve_dataset_root解析为数据集目录下的MVTec_AD_2categorystrsheet_metal要加载的类别名取值见上节CATEGORIEStrain_batch_sizeint32训练 batch sizeeval_batch_sizeint32验证与测试 batch sizenum_workersint8数据加载进程数train_augmentationsTransform \| NoneNone仅作用于训练集的 torchvision v2 增强val_augmentationsTransform \| NoneNone仅作用于验证集的增强test_augmentationsTransform \| NoneNone仅作用于测试集的增强augmentationsTransform \| NoneNone当未提供 stage 专属增强时的通用增强test_typestr \| TestTypeTestType.PUBLIC初始化时选择的测试集类型可传字符串public/private/private_mixedseedint \| NoneNone复现用随机种子使用 YAML 配置如流水线或 CLI 场景时对应的 init 配置形如仓库内置的 examples/configs/data/mvtecad2.yamlclass_path: anomalib.data.MVTecAD2 init_args: root: ./datasets/MVTec_AD_2 category: sheet_metal train_batch_size: 32 eval_batch_size: 32 num_workers: 8 test_type: public seed: null字符串形式的test_type会在构造时被显式转换为枚举TestType(test_type) if isinstance(test_type, str)拼写错误会直接抛出ValueError属于 fail-fast 设计。四、三套测试集的选择机制TestType与test_dataloader4.1 TestType 枚举TestType定义在 src/anomalib/data/datasets/image/mvtecad2.py 第 44–57 行class TestType(str, Enum): PUBLIC public # 带 ground truth 的本地评估测试集 PRIVATE private # 官方私有测试集无 ground truth PRIVATE_MIXED private_mixed # 混合光照条件的官方私有测试集它继承str因此在 Pydantic 校验、YAML 配置等场景中可以直接与字符串互换。4.2 setup 阶段一次性构建全部测试集值得注意的是_setup 方法第 173–221 行 并不按test_type只构建一个测试集而是一次性构建三个测试数据集self.test_public_data MVTecAD2Dataset( rootself.root, categoryself.category, splitSplit.TEST, test_typeTestType.PUBLIC, augmentationsself.test_augmentations, ) self.test_private_data MVTecAD2Dataset( rootself.root, categoryself.category, splitSplit.TEST, test_typeTestType.PRIVATE, augmentationsself.test_augmentations, ) self.test_private_mixed_data MVTecAD2Dataset( rootself.root, categoryself.category, splitSplit.TEST, test_typeTestType.PRIVATE_MIXED, augmentationsself.test_augmentations, ) # Always set test_data to public test set for standard evaluation self.test_data self.test_public_data两个关键行为test_data始终指向 public 测试集。这意味着在标准 Lightning 训练循环里validation/test阶段默认走的是带 ground truth 的本地评估路径不会误用私有集。MVTec AD 2 自带独立的验证集validation/good/因此_setup中val_data使用Split.VAL而非从训练集切分这也是与初代 MVTec AD训练集中无验证划分的一个实现差异。4.3 按类型获取 DataLoadertest_dataloader 方法第 223–263 行 是切换到私有测试集的统一入口datamodule.setup() public_loader datamodule.test_dataloader() # 回落到 self.test_type private_loader datamodule.test_dataloader(test_typeprivate) mixed_loader datamodule.test_dataloader(test_typeprivate_mixed)其内部按TestType分派到对应数据集最终统一返回一个DataLoadershuffleFalse、batch_sizeself.eval_batch_size、collate_fndataset.collate_fn、pin_memoryTrue。对于私有集由于样本没有 ground truth详见下节拿到的 batch 只用于推理输出而不是与标签对比打分。五、目录结构与样本解析make_mvtec2_dataset样本发现逻辑集中在 make_mvtec2_dataset 函数第 164–296 行。它期望数据集解压后遵循如下结构以单个类别目录为根root/ ├── test_private/ # 官方私有测试样本无标注 ├── test_private_mixed/ # 混合光照的官方私有测试样本无标注 ├── test_public/ │ ├── bad/ # 异常测试图像 │ ├── good/ # 正常测试图像 │ └── ground_truth/ │ └── bad/ # 异常图像的掩码命名为 stem_mask.png ├── train/ │ └── good/ # 训练集仅正常样本 └── validation/ └── good/ # 验证集仅正常样本解析规则可以从源码逐条读出训练集只扫描train/good下的图像标签为goodlabel_index0无掩码验证集只扫描validation/good同样label_index0public 测试集test_public/good的图像标记为正常label_index0test_public/bad的图像标记为异常label_index1且掩码文件名强制按图像名_mask.png规则在test_public/ground_truth/bad/下查找——若掩码缺失会抛出MisMatchErrorMissing mask for anomalous image保证图像与标注严格一一对应private / private_mixed 测试集目录下所有图像统一标记为labelunknown、label_index-1无掩码。-1这一约定的意义在于下游评估指标能识别出这些样本不可用于有监督打分只用于推理。函数最终返回一个 PandasDataFrame列包括path、split、label、image_path、mask_path、label_index并通过samples.attrs[task] segmentation声明该数据集面向分割任务。若整个类别目录下找不到任何.png/.PNG图像IMG_EXTENSIONS 中定义的扩展名函数会直接抛出RuntimeError。六、自动下载prepare_data 与 DownloadInfoDatamodule 内嵌了 DOWNLOAD_INFO 常量第 49–54 行声明了数据集的下载地址与 SHA-256 校验和DOWNLOAD_INFO DownloadInfo( namemvtecad2, urlhttps://www.mydrive.ch/shares/150997/701c90d3aea6588f404936e32a674602/download/ 466712769-1743429042/mvtec_ad_2.tar.gz, hashsumc0ded99ef32bfc8e352d52beb44515e5b292b8598cb963aadfa91ca0763505e4, )prepare_data 方法第 144–171 行 的判断逻辑非常简单if (self.root / self.category).is_dir(): logger.info(Found the dataset.) else: download_and_extract(self.root, DOWNLOAD_INFO)即以当前类别目录是否存在作为数据集就绪的判据只要root/category目录存在就跳过下载否则调用anomalib.data.utils.download_and_extract完成下载、按hashsum校验并解压。这带来两个实践上的注意点只下载/解压了部分类别也能触发已存在判定因为检查粒度是类别级而非压缩包级若已手动解压的数据集结构不符合第五节的目录约定问题会在_setup阶段make_mvtec2_dataset找不到图像或掩码以RuntimeError/MisMatchError暴露而不是静默产出空数据集。七、实战自定义 transforms 与直接构建 Dataset在 Lightning 训练流程外MVTecAD2Dataset也可以脱离 DataModule 直接使用。以下代码整理自 examples/api/02_data/mvtecad2.pyimport torch from torch.utils.data import DataLoader from torchvision.transforms.v2 import Compose, Resize, ToDtype, ToImage from anomalib.data import MVTecAD2 from anomalib.data.datasets.image.mvtecad2 import MVTecAD2Dataset, TestType from anomalib.data.utils import Split transform Compose([ ToImage(), Resize((256, 256)), ToDtype(torch.float32, scaleTrue), ]) # 通过 DataModule 传入 stage 专属增强 datamodule MVTecAD2( root./datasets/MVTec_AD_2, categorysheet_metal, train_augmentationstransform, val_augmentationstransform, test_augmentationstransform, ) datamodule.setup() # 或者直接用 Dataset collate_fn 构建 DataLoader train_dataset MVTecAD2Dataset( root./datasets/MVTec_AD_2, categorysheet_metal, splitSplit.TRAIN, augmentationstransform, ) train_loader DataLoader( train_dataset, batch_size4, shuffleTrue, collate_fntrain_dataset.collate_fn, # 产出 ImageItem 批量结构 pin_memoryTrue, )两个要点transforms 类型是torchvision.transforms.v2.Transform源码中即按该类型标注示例使用ToImage → Resize → ToDtype(float32, scaleTrue)的组合是配合 Anomalib 数据类dataclass输出结构的推荐写法自行构建DataLoader时必须带上dataset.collate_fn否则拿不到image/gt_label/gt_mask等具名字段结构示例中通过train_samples.image.shape、train_samples.gt_label直接访问批量字段public 测试集还可通过test_samples.gt_mask取到掩码。八、小结与延伸阅读MVTecAD2DataModule 的核心设计可以概括为三句话一次 setup 构建全部三套测试集、test_data默认指向 public 集、私有集样本以label_index-1标记以隔离评估语义。这使同一份代码既能支撑带标注的本地指标计算也能安全地驱动无标注私有集的推理流程契合 MVTec AD 2本地评估 官方排行榜双轨制的基准设计。进一步阅读MVTecAD2 Datamodule API 参考页DataModule 实现下载、setup 与测试集分派逻辑Dataset 实现TestType枚举与目录解析规则API 完整示例加载、transform、可视化一条龙YAML 配置示例流水线/CLI 场景的 init 参数写法【免费下载链接】anomalibAn anomaly detection library comprising state-of-the-art algorithms and features such as experiment management, hyper-parameter optimization, and edge inference.项目地址: https://gitcode.com/GitHub_Trending/an/anomalib创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考