Overview

Dacon 주최 Computer vision 이상치 탐지 알고리즘 경진대회에서 MVTec Data를 기반으로 사물의 종류와 상태를 분류하는 task를 공부.
Computer vision data 이상치 탐지에서 시계열 data 이상치 탐지로 확장.

MVTec data Visualize

Data info가 정리해서 주어짐(csv).
train.csv는 file_name 별 class/state 정보를 제공. > supervised classification

index	file_name	class	state	label
0	10000.png	transistor	good	transistor-good
1	10001.png	capsule	good	capsule-good

...

• info.csv를 기반으로 data distribution 확인.
  
  

f, axs = plt.subplots(1,1,figsize=(15,8))
for i, col in enumerate(['class']):
  object_cnt = train_y[col].value_counts().sort_values(ascending=False)
  axs.bar(object_cnt.index, object_cnt.values)
  for x,y,z in zip(object_cnt.index, object_cnt.values, object_cnt.values/object_cnt.sum()*100):
    axs.annotate('%d\n(%d%%)' %(int(y),z), xy = (x,y+10), textcoords='data', ha='center')
  axs.axis(ymin=0, ymax=int(max(object_cnt)*1.1))
  axs.set_xticklabels(object_cnt.index, rotation=75)
  axs.set_title(col)
f.tight_layout()
plt.show()

f, axs = plt.subplots(3,5,figsize=(20,8))
axs = axs.flatten()
for i, col in enumerate(train_class.unique()):
  axs[i].bar(class_cnt[col].index, class_cnt[col].values)
  for x,y,z in zip(class_cnt[col].index, class_cnt[col].values, class_cnt[col].values/class_cnt[col].sum()*100):
    axs[i].annotate('%d\n(%d%%)' %(int(y), z), xy=(x,y+10), textcoords='data', ha='center')
  axs[i].set_xticklabels(class_cnt[col].index, rotation = 45)
  axs[i].set_title(col)
f.tight_layout()
plt.show()

for col in (train_class.unique()):
  fig, axs = plt.subplots(1, len(class_cnt[col].index), figsize=(20,20))
  axs = axs.flatten()

  for  i, state in enumerate(class_cnt[col].index):
    sample_row = train_y.loc[(train_y['class']==col)&(train_y['state']==state)].sample(1)
    img = cv2.imread('/content/open/train/'+ sample_row['file_name'].iloc[0])
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

    axs[i].imshow(img)
    axs[i].set_title(str(col) +' '+ str(state))
  plt.tight_layout()
  plt.show()

• 15 unique class, 88 unique state
• Data 불균형: 정상 image 이상 image보다 확연히 많이 존재(10배) > supervised classification에 장애 초래
• 회전, 상하좌우 반전, 색 반전 등이 다른 state으로 판단되는 종류가 존재 > class별로 transform 설정 필