关于SFTPM图像异常分割算法

[Hold-on-li]

问题描述 Please describe your issue

请问一下，SFTPM图像异常分割算法支持C++推理部署吗？

[liuhongen1234567]

您好，应该是支持的，可以参考 PaddleX 文档 https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/pipeline_usage/tutorials/cv_pipelines/image_anomaly_detection.md 3. 开发集成/部署-服务化部署部分

[Kaze816]

配置文件中的tain.txt 中是什么样式呀？ @liuhongen1234567 这不是只需要正样本么，难道也需要生成些0值的标签图像？

train_dataset:
type: Dataset
num_classes: 1
dataset_root: /mv_dataset/grid # You need to specify a specific category root in mvtec_ad dataset
train_path: mv_dataset/grid/train.txt
...

[liuhongen1234567]

您好，可以从这个页面 https://github.com/PaddlePaddle/PaddleX/blob/release/3.0-beta1/docs/module_usage/tutorials/cv_modules/anomaly_detection.md 下载 mvtec_examples 数据集看一下

[liuhongen1234567]

可以参考这个介绍，对SFTPM算法的描述已经比较清楚了，训练过程中的样本应该是没有异常的样本。train.txt 的标签如下：

[Kaze816]

原来不明白的是 train.txt 里面的内容，正常的监督分割训练，此处应该是每行一组 图像 掩模 的路径，可这正样本没有掩模呀？
您这可算解决了我的一大疑惑，谢谢！ @liuhongen1234567

[Kaze816]

另外一个问题，EfficientAD好像不用验证集，训练一定轮数也就可以用了。
训练SFTPM 验证集可以少量加一点点，满足程序框架运行需要，不要最佳，只留最后，可行吗？ SFTPM里面如何保留最后一次训练的权重？

[liuhongen1234567]

您好，这个问题我们也没有尝试过，您那边可以尝试一下试试。paddleX的SFTPM是按照迭代训练的，iter_{您设置的最大迭代次数就是最后一次训练的权重}

[Kaze816]

我尝试直接在PaddleSeg工程下对样图mvtec_examples进行了训练，使用tools/predict.py查看了输出结果图，也大致正常，但是导出为onnx格式再运行时，结果就不行了： tools/export.py先导出PD格式，再用paddle2onnx转，网络输出是32位整型，结果全0值；tools/model/export_onnx.py可以直接导出onnx，网络输出为32位浮点，结果大致为原图的重构。
不明白为何会这样，先前使用pp_liteseg时，如此这般是OK的呀？
@liuhongen1234567