🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题
🍊专栏推荐：深度学习网络原理与实战
🍊近期目标：写好专栏的每一篇文章
🍊支持小苏：点赞👍🏼、收藏⭐、留言📩
文章目录
- 对抗生成网络GAN系列——f-AnoGAN原理及缺陷检测实战
- 写在前面
- f-AnoGAN原理详解✨✨✨
- f-AnoGAN代码实战✨✨✨
- 代码目录结构分析
- 数据集加载🧨🧨🧨
- 模型搭建
- 训练WGAN🧨🧨🧨
- 训练编码器E🧨🧨🧨
- 测试异常得分🧨🧨🧨
- 保存差异图像
- 总结
对抗生成网络GAN系列——f-AnoGAN原理及缺陷检测实战
写在前面
在前面我已经介绍了好几种用于缺陷检测的GAN网络了，感兴趣的可以关注一下我的专栏：深度学习网络原理与实战 。目前专栏主要更新了GAN系列文章和Transformer系列文章，都有理论详解和代码实战，文中的讲解都比较通俗易懂，如果你希望丰富这方面的知识，建议你阅读试试，相信你会有蛮不错的收获。🍸🍸🍸
在阅读本篇教程之前，我觉得你有必要读读下面三篇文章：
- [1]对抗生成网络GAN系列——AnoGAN原理及缺陷检测实战
- [2]对抗生成网络GAN系列——GANomaly原理及源码解析
- [3]对抗生成网络GAN系列——WGAN原理及实战演练
[1]是利用GAN网络实现缺陷检测的开山之作，也算是这篇文章的基础，所以这是你必须要读且要理解透彻的。[2]算是[1]比较经典的改进，和本篇文章也有一定的相似之处，理解它会对你看透此篇文章有很大帮助。[3]提出了一种使原始GAN训练更加稳定的方式，本篇文章在训练GA时使用了，建议你也要有所了解。🍹🍹🍹
如果你准备好了的话，就让我们一起来看看f-AnoGAN吧！！！🚖🚖🚖
f-AnoGAN原理详解✨✨✨
我们先来看看f-AnoGAN的全称吧——f-AnoGAN: Fast unsupervised anomaly detection with generative adversarial networks。点击☞☞☞下载论文了解详情。📩📩📩
如果你对我上文提到的三篇文章都有所了解的话，再来看这篇文章，你会发现它是真滴简单。🌼🌼🌼这就带大家一起来看看f-AnoGAN的网路架构。首先，我们先来看看f-AnoGAN的训练过程，训练主要分两步进行，第一步是训练一个生成对抗网络，第二步利用第一步生成对抗网络的权重，训练一个encoder编码器。我们直接来看下图好了：
在步骤①中，我们训练的是一个WGAN，关于WGAN的细节可以看[3]这篇博客，在后文的代码实战中我也会谈谈这部分的内容。如果你对WGAN不了解的话，也不用太担心，这里你完全可以训练一个原始GAN，只是效果可能没有WGAN好罢了，但是对于理解f-AnoGAN的步骤是完全没用影响的。当WGAN训练完毕后，生成器G和判别器D的权重就会冻结，步骤②的G和D的权重不会发生变化。在步骤②中，我们目的是训练一个编码器E。论文中给出了三种训练E的结构，分别为ziz结构，izi结构和izif结构，我们一个个来看一下：
-
ziz结构 我们直接来看下图吧：
z表示的是潜在变量，i表示的是图片（image）,ziz结构即表示潜在变量z通过固定的生成器生成image，然后再通过编码器编码成潜在变量z。此部分的损失函数用 L z i z L_{ziz} Lziz表示，其表达式为：
L z i z ( z ) = 1 d ∣ ∣ z − E ( G ( z ) ) ∣ ∣ 2 L_{ziz}(z)=\frac{1}{d}||z-E(G(z))||^2 Lziz(z)=d1∣∣z−E(G(z))∣∣2
其中d表示z的维度，其实上述公式就是计算z和 E ( G ( z ) ) E(G(z)) E(G(z))的MSE损失啦。
-
izi结构 同样的，我们直接看图：
izi结构表示real image先经过编码器E将图片映射到潜在空间，然后再通过生成器G生成图片。此部分的损失函数用 L i z i L_{izi} Lizi表示，其表达式为：
L i z i ( x ) = 1 n ∣ ∣ x − G ( E ( x ) ) ∣ ∣ 2 L_{izi}(x)=\frac{1}{n}||x-G(E(x))||^2 Lizi(x)=n1∣∣x−G(E(x))∣∣2
其中，n表示输入image的像素点数量，这个公式同样表示x和 G ( E ( x ) ) G(E(x)) G(E(x))的MSE损失。
-
izif结构 izif结构相比izi结构在后面加了一个判别器D，如下图所示：【论文最后选择了这个结构训练编码器E】
不知道大家发现没有，这个结构和GANomaly是非常像的。izif的损失函数由两部分构成，一部分为 L i z i L_{izi} Lizi，另一部分为 L D L_D LD。izif损失函数表达式如下：
L i z i f ( x ) = 1 n ∣ ∣ x − G ( E ( x ) ) ∣ ∣ 2 + k n d ⋅ ∣ ∣ f ( x ) − f ( G ( E ( x ) ) ) ∣ ∣ 2 L_{izif}(x)=\frac{1}{n}||x-G(E(x))||^2 \ + \ \frac{k}{n_d} \cdot ||f(x)-f(G(E(x)))||^2 Lizif(x)=n1∣∣x−G(E(x))∣∣2 + ndk⋅∣∣f(x)−f(G(E(x)))∣∣2
其中，k为两个损失函数的权重参数，代码中k=1。f(*)表示判别器中间层的输出， n d n_d nd表示判别器中间输出层的维度。
f-AnoGAN的训练过程就为大家介绍到这里了，是不是很简单呢。【如果你觉得有难度的话建议你看看我写在前面中提到的三篇博文，或者结合我下文的代码理解理解】训练结束后，我们保存生成器G、判别器D和编码器E的权重，然后将它们用于缺陷检测中。缺陷检测就更加简单啦，异常得分函数就是我们上文所说的izif结构的损失函数，如下图所示：
f-AnoGAN代码实战✨✨✨
代码目录结构分析
这部分我在paperswithcode上看到了一个用pytorch实现的f-AnoGAN的代码：f-AnoGAN源码地址。🍵🍵🍵这个代码的逻辑非常清晰，所以我就以这个代码来为大家介绍f-AnoGAN的实现了。🍖🍖🍖
首先我们来看一下整个代码的结构，如下图所示：
我们需要注意一下，mnist、mvtec_ad和your_own_dataset是针对不同数据集进行实验的。考虑到大家对mnist数据集相对熟悉，故本文以mnist数据集为例为大家介绍。【也就是说mvtec_ad和your_own_dataset文件夹下的文件都不会使用到，这里大家注意一下就好】
数据集加载🧨🧨🧨
这部分定义在mnist文件夹下的tools.py中，首先我们获取MNIST数据集，通过torchvision下的datasets包直接下载即可，如下：
train = datasets.MNIST(path, train=True, download=download)
test = datasets.MNIST(path, train=False, download=download)
我们知道，minst数据集train中有60000条数据，test中有10000条数据。这些数据的targets为0-9，首先我们获取train中targets为0的数据，代码如下：
_x_train = train.data[train.targets == training_label] #传入的training_label为0
通过调试可以发现，_x_train的维度为（5923,28,28），即targets=0的数据一共有5923条。
接着我们将_x_train按照8:2的比列划分为训练集和测试集的一部分，代码如下：
x_train, x_test_normal = _x_train.split((int(len(_x_train) * split_rate)), dim=0) #传入的split_rate为0.8
运行后x_train有4738条数据，x_test_normal有1185条数据。
上文说到x_test_normal只是测试集的一部分，完整的测试数据集包括x_test_normal、train数据集中除去targets=0以外的其它数据和test中的所有数据，代码如下：
x_test = torch.cat([x_test_normal,
train.data[train.targets != training_label],
test.data], dim=0)
这样最终测试集的数据共有65262条。
上文我们获得了训练集和测试集的数据，我们还需要获取训练集和测试集的标签，代码如下：
_y_train = train.targets[train.targets == training_label]
y_train, y_test_normal = _y_train.split((int(len(_y_train) * split_rate)), dim=0)
y_test = torch.cat([y_test_normal,
train.targets[train.targets != training_label],
test.targets], dim=0)
同样，训练集的标签y_train有4738个，测试集的标签y_test有65262个。
有了数据后，我们对数据做一些预处理，然后用DataLoader加载数据集，代码如下：
train_mnist = SimpleDataset(x_train, y_train,
transform=transforms.Compose(
[transforms.ToPILImage(),
transforms.ToTensor(),
transforms.Normalize([0.5], [0.5])])
)
train_dataloader = DataLoader(train_mnist, batch_size=opt.batch_size,
shuffle=True)
模型搭建
class Generator(nn.Module):
def __init__(self, opt):
super().__init__()
self.img_shape = (opt.channels, opt.img_size, opt.img_size)
def block(in_feat, out_feat, normalize=True):
layers = [nn.Linear(in_feat, out_feat)]
if normalize:
layers.append(nn.BatchNorm1d(out_feat, 0.8))
layers.append(nn.LeakyReLU(0.2, inplace=True))
return layers
self.model = nn.Sequential(
*block(opt.latent_dim, 128, normalize=False),
*block(128, 256),
*block(256, 512),
*block(512, 1024),
nn.Linear(1024, int(np.prod(self.img_shape))),
nn.Tanh()
)
def forward(self, z):
img = self.model(z)
img = img.view(img.shape[0], *self.img_shape)
return img
class Discriminator(nn.Module):
def __init__(self, opt):
super().__init__()
img_shape = (opt.channels, opt.img_size, opt.img_size)
self.features = nn.Sequential(
nn.Linear(int(np.prod(img_shape)), 512),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(512, 256),
nn.LeakyReLU(0.2, inplace=True)
)
self.last_layer = nn.Sequential(
nn.Linear(256, 1)
)
def forward(self, img):
features = self.forward_features(img)
validity = self.last_layer(features)
return validity
def forward_features(self, img):
img_flat = img.view(img.shape[0], -1)
features = self.features(img_flat)
return features
class Encoder(nn.Module):
def __init__(self, opt):
super().__init__()
img_shape = (opt.channels, opt.img_size, opt.img_size)
self.model = nn.Sequential(
nn.Linear(int(np.prod(img_shape)), 512),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(512, 256),
nn.LeakyReLU(0.2, inplace=True),
nn.Linear(256, opt.latent_dim),
nn.Tanh()
)
def forward(self, img):
img_flat = img.view(img.shape[0], -1)
validity = self.model(img_flat)
return validity
由于是教学，所以搭建的模型很简单，甚至都没有卷积，都是全连接层，大家肯定一看就能明白。🌸🌸🌸
训练WGAN🧨🧨🧨
阅读这部分之前建议阅读WGAN的相关知识喔，点击☞☞☞了解详情。WGAN属于是开山之作，而f-AnoGAN用的是WGAN-GP，其是一种WGAN的改进。关于WGAN-GP我还没做相关介绍，大家自行补充知识，推荐链接：WGAN-GP。如果觉得学起来有困难的话欢迎评论区留言讨论，要是人多的话后期可能会出一起WGAN-GP的教程。【其实WGAN-GP和WGAN的思想是一样的，只是在于实现lipschitz条件的方式不同】
注：在大家理解WGAN-GP时可能会遇到直线段的另一种定义方式，是凸优化中的相关内容，不清楚的可以参考我此前一篇关于凸优化介绍的文章：凸优化理论基础1–仿射集🍋🍋🍋
我们来看看训练WGAN的代码吧：
def train_wgangp(opt, generator, discriminator,
dataloader, device, lambda_gp=10):
generator.to(device)
discriminator.to(device)
optimizer_G = torch.optim.Adam(generator.parameters(),
lr=opt.lr, betas=(opt.b1, opt.b2))
optimizer_D = torch.optim.Adam(discriminator.parameters(),
lr=opt.lr, betas=(opt.b1, opt.b2))
os.makedirs("results/images", exist_ok=True)
padding_epoch = len(str(opt.n_epochs))
padding_i = len(str(len(dataloader)))
batches_done = 0
for epoch in range(opt.n_epochs):
for i, (imgs, _)in enumerate(dataloader):
# Configure input
real_imgs = imgs.to(device)
# ---------------------
# Train Discriminator
# ---------------------
optimizer_D.zero_grad()
# Sample noise as generator input
z = torch.randn(imgs.shape[0], opt.latent_dim, device=device)
# Generate a batch of images
fake_imgs = generator(z)
# Real images
real_validity = discriminator(real_imgs)
# Fake images
fake_validity = discriminator(fake_imgs.detach()) #使用.detach()方法可以不更新generator的值
# Gradient penalty
gradient_penalty = compute_gradient_penalty(discriminator,
real_imgs.data,
fake_imgs.data,
device)
# Adversarial loss
d_loss = (-torch.mean(real_validity) + torch.mean(fake_validity)
+ lambda_gp * gradient_penalty)
d_loss.backward()
optimizer_D.step()
optimizer_G.zero_grad()
# Train the generator and output log every n_critic steps
if i % opt.n_critic == 0:
# -----------------
# Train Generator
# -----------------
# Generate a batch of images
fake_imgs = generator(z)
# Loss measures generator's ability to fool the discriminator
# Train on fake images
fake_validity = discriminator(fake_imgs)
g_loss = -torch.mean(fake_validity)
g_loss.backward()
optimizer_G.step()
print(f"[Epoch {epoch:{padding_epoch}}/{opt.n_epochs}] "
f"[Batch {i:{padding_i}}/{len(dataloader)}] "
f"[D loss: {d_loss.item():3f}] "
f"[G loss: {g_loss.item():3f}]")
if batches_done % opt.sample_interval == 0:
save_image(fake_imgs.data[:25],
f"results/images/{batches_done:06}.png",
nrow=5, normalize=True)
batches_done += opt.n_critic
torch.save(generator.state_dict(), "results/generator")
torch.save(discriminator.state_dict(), "results/discriminator")
上述代码的核心是compute_gradient_penalty函数，是用来计算梯度惩罚的，这也是WGAN-GP最核心的地方，代码如下：
def compute_gradient_penalty(D, real_samples, fake_samples, device):
"""Calculates the gradient penalty loss for WGAN GP"""
# Random weight term for interpolation between real and fake samples
alpha = torch.rand(*real_samples.shape[:2], 1, 1, device=device)
# Get random interpolation between real and fake samples
interpolates = (alpha * real_samples + (1 - alpha) * fake_samples)
# 可以直接对变量进行操作，现在pytorch已经舍弃autograd.Variable
interpolates.requires_grad_(requires_grad=True)
# interpolates = autograd.Variable(interpolates, requires_grad=True)
d_interpolates = D(interpolates)
fake = torch.ones(*d_interpolates.shape, device=device)
# Get gradient w.r.t. interpolates
# https://zhuanlan.zhihu.com/p/83172023
gradients = autograd.grad(outputs=d_interpolates, inputs=interpolates,
grad_outputs=fake, create_graph=True,
retain_graph=True, only_inputs=True)[0]
gradients = gradients.view(gradients.shape[0], -1)
gradient_penalty = ((gradients.norm(2, dim=1) - 1) ** 2).mean()
return gradient_penalty
注：想要理解这部分代码，需要理解pytorch中的auograd包。推荐大家去阅读此篇博文：Pytorch autograd,backward详解
训练结束后，我们保存了生成器和判别器的权重，同时保存了一些生成图片结果，部分展示如下，是不是效果还不错呢。🍄🍄🍄
【因为我们训练集图片都是0，所有我们生成的图片都是0喔！！！🍀🍀🍀】
训练编码器E🧨🧨🧨
话不多说，让我们直接上代码吧！！！🍭🍭🍭
def train_encoder_izif(opt, generator, discriminator, encoder,
dataloader, device, kappa=1.0):
generator.load_state_dict(torch.load("results/generator"))
discriminator.load_state_dict(torch.load("results/discriminator"))
generator.to(device).eval()
discriminator.to(device).eval()
encoder.to(device)
criterion = nn.MSELoss()
optimizer_E = torch.optim.Adam(encoder.parameters(),
lr=opt.lr, betas=(opt.b1, opt.b2))
os.makedirs("results/images_e", exist_ok=True)
padding_epoch = len(str(opt.n_epochs))
padding_i = len(str(len(dataloader)))
batches_done = 0
for epoch in range(opt.n_epochs):
for i, (imgs, _) in enumerate(dataloader):
# Configure input
real_imgs = imgs.to(device)
# ----------------
# Train Encoder
# ----------------
optimizer_E.zero_grad()
# Generate a batch of latent variables
z = encoder(real_imgs)
# Generate a batch of images
fake_imgs = generator(z)
# Real features
real_features = discriminator.forward_features(real_imgs)
# Fake features
fake_features = discriminator.forward_features(fake_imgs)
# izif architecture
loss_imgs = criterion(fake_imgs, real_imgs)
loss_features = criterion(fake_features, real_features)
e_loss = loss_imgs + kappa * loss_features
e_loss.backward()
optimizer_E.step()
# Output training log every n_critic steps
if i % opt.n_critic == 0:
print(f"[Epoch {epoch:{padding_epoch}}/{opt.n_epochs}] "
f"[Batch {i:{padding_i}}/{len(dataloader)}] "
f"[E loss: {e_loss.item():3f}]")
if batches_done % opt.sample_interval == 0:
fake_z = encoder(fake_imgs)
reconfiguration_imgs = generator(fake_z)
save_image(reconfiguration_imgs.data[:25],
f"results/images_e/{batches_done:06}.png",
nrow=5, normalize=True)
batches_done += opt.n_critic
torch.save(encoder.state_dict(), "results/encoder")
你会发现这些代码真滴很简单。训练结束后我们会保存编码器E的权重和重构后的一些图片。重构后图片效果也还是蛮好的。
测试异常得分🧨🧨🧨
我们将检测的异常得分保存在score.csv文件中，保存四项参数，分别为label、img_distance、anomaly_score和z_distance。
def test_anomaly_detection(opt, generator, discriminator, encoder,
dataloader, device, kappa=1.0):
generator.load_state_dict(torch.load("results/generator"))
discriminator.load_state_dict(torch.load("results/discriminator"))
encoder.load_state_dict(torch.load("results/encoder"))
generator.to(device).eval()
discriminator.to(device).eval()
encoder.to(device).eval()
criterion = nn.MSELoss()
with open("results/score.csv", "w") as f:
f.write("label,img_distance,anomaly_score,z_distance\n")
for (img, label) in tqdm(dataloader):
real_img = img.to(device)
real_z = encoder(real_img)
fake_img = generator(real_z)
fake_z = encoder(fake_img)
real_feature = discriminator.forward_features(real_img)
fake_feature = discriminator.forward_features(fake_img)
# Scores for anomaly detection
img_distance = criterion(fake_img, real_img)
loss_feature = criterion(fake_feature, real_feature)
anomaly_score = img_distance + kappa * loss_feature
z_distance = criterion(fake_z, real_z)
with open("results/score.csv", "a") as f:
f.write(f"{label.item()},{img_distance},"
f"{anomaly_score},{z_distance}\n")
在得到score.csv文件后，我们可以来读取文件内容绘制精度曲线。首先导入一些必要的包：
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.metrics import roc_curve, precision_recall_curve, auc
然后读取刚刚得到的score.csv文件：
df = pd.read_csv("./results/score.csv")
df的内容如下：可以看到一共有65262行数据，这和我们数据读取时测试集数据大小是一致的。🥝🥝🥝
接着我们读取各列的数据，并把标签为0的标签设置为0，其它的设置为1.
trainig_label = 0
labels = np.where(df["label"].values == trainig_label, 0, 1)
anomaly_score = df["anomaly_score"].values
img_distance = df["img_distance"].values
z_distance = df["z_distance"].values
然后可以根据上面的值得到一些画图所需值：
fpr, tpr, _ = roc_curve(labels, img_distance)
precision, recall, _ = precision_recall_curve(labels, img_distance)
roc_auc = auc(fpr, tpr)
pr_auc = auc(recall, precision)
接下来就可以画图了：
plt.plot(fpr, tpr, label=f"AUC = {roc_auc:3f}")
plt.plot([0, 1], [0, 1], linestyle="--")
plt.title("ROC-AUC")
plt.xlabel("False Positive Rate")
plt.ylabel("True Positive Rate")
plt.legend()
plt.show()
plt.plot(recall, precision, label=f"PR = {pr_auc:3f}")
plt.title("PR-AUC")
plt.xlabel("Recall")
plt.ylabel("Pecision")
plt.legend()
plt.show()
plt.hist([anomaly_score[labels == 0], anomaly_score[labels == 1]],
bins=100, density=True, stacked=True,
label=["Normal", "Abnormal"])
plt.title("Discrete distributions of anomaly scores")
plt.xlabel("Anomaly scores A(x)")
plt.ylabel("h")
plt.legend()
plt.show()
保存差异图像
代码中还定义了保存原图和生成图差异的图像，即将真实图像和生成图像做差，看看它们的差异，代码很简单，我们来看看：
def save_compared_images(opt, generator, encoder, dataloader, device):
generator.load_state_dict(torch.load("results/generator"))
encoder.load_state_dict(torch.load("results/encoder"))
generator.to(device).eval()
encoder.to(device).eval()
os.makedirs("results/images_diff", exist_ok=True)
for i, (img, label) in enumerate(dataloader):
real_img = img.to(device)
real_z = encoder(real_img)
fake_img = generator(real_z)
compared_images = torch.empty(real_img.shape[0] * 3,
*real_img.shape[1:])
compared_images[0::3] = real_img
compared_images[1::3] = fake_img
compared_images[2::3] = real_img - fake_img
save_image(compared_images.data,
f"results/images_diff/{opt.n_grid_lines*(i+1):06}.png",
nrow=3, normalize=True)
if opt.n_iters is not None and opt.n_iters == i:
break
我也抽取一张保存的图像来给大家看看结果：
通过上图可以发现，无论原始输入即原图是什么，生成图都会将其生成0，原图和生成图做差后得到的图片因此也会产生不同的差异。🍊🍊🍊
总结
f-AnoGAN就为大家介绍到这里了，其实你细细摸索下来会觉得非常简单。代码部分大家要勤动手，多调试，这样你会有不一样的收获。🌾🌾🌾
如若文章对你有所帮助，那就🛴🛴🛴
![[iOS- Mac终端上传Git and 生成Token]](https://img-blog.csdnimg.cn/1d23ce46ee7c46fc9c6cea69477f9901.png)
![[附源码]java毕业设计旅游管理系统](https://img-blog.csdnimg.cn/d810b775759d408d827bffb3db1f18f4.png)
![[数据结构]二叉树之堆的实现](https://img-blog.csdnimg.cn/66b4d8d77691495bbaf165ab164f6d44.png)
