# model

Python API: `luxonis_train.config.predefined_models.anomaly_detection.v1.model`

无监督异常检测模型。

## 类

### AnomalyDetectionModel

无监督异常检测，基于 [DRAEM](https://arxiv.org/abs/2108.07610)。

该模型在没有异常的图像上进行训练。使用
[LuxonisLoaderPerlinNoise](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/loaders/luxonis_perlin_loader_torch.md)
进行训练。以 `noise_prob` 的概率，加载器将纹理数据集中的图像混合到 Perlin 噪声掩码内的训练图像中。该掩码标记异常。骨干网络重建干净的图像。头部将重建图像和输入图像一起读取并分割异常。损失函数比较重建图像与干净图像，以及预测分割与掩码。

 * `吞吐量:`: 256x256 时的每秒帧数。 * `light`: RVC2 上 10 帧，RVC4 上 170 帧
    * `heavy`: RVC2 上 0.5 帧，RVC4 上 61 帧

> **示例**
> 配置的 `model` 部分：

```yaml
model:
  predefined_model:
    name: AnomalyDetectionModel
    params:
      variant: light
```

 * `组件:`: * 节点:
   [RecSubNet](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/backbones/recsubnet/recsubnet.md)
   ->
   [DiscSubNetHead](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/nodes/heads/discsubnet_head/discsubnet_head.md)
    * 损失函数:
      [ReconstructionSegmentationLoss](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/attached_modules/losses/reconstruction_segmentation_loss.md)
    * 指标:
      [JaccardIndex](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/attached_modules/metrics/torchmetrics.md)
    * 可视化器:
      [SegmentationVisualizer](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/attached_modules/visualizers/segmentation_visualizer.md)
    * 主要指标:
      [JaccardIndex](/software-v3/ai-inference/model-source/training/luxonis-train/luxonis-train-api-reference/attached_modules/metrics/torchmetrics.md)
    * 变体: * `light`
       * `heavy`

#### 方法

##### init

```python
def __init__(**kwargs):
```

使用其默认组件初始化模型。

此处给定的 `metrics_params` 将替换整个默认的两类配置。

##### get_variants

```python
def get_variants() -> tuple[str, dict[str, Params]]:
```

获取默认变体名称和可用变体。

默认值为 `light`。每个变体将 `backbone_variant` 和 `head_variant` 设置为一种大小：`"n"` 用于 `light`，`"l"` 用于 `heavy`。

> **示例**
> ```pycon
>>> default, variants = AnomalyDetectionModel.get_variants()
>>> default
'light'
>>> variants["heavy"]
{'backbone_variant': 'l', 'head_variant': 'l'}
```

返回

 * `tuple[str, dict[str, Params]]`: `"light"` 和两个变体及其构造函数参数。
