anomaly_image_auroc — SPC anomaly_eval op

• 데이터 종류: signal × signal → table

• 호출: import fullseye as fs; fs.ledger.anomaly_image_auroc(scores, labels)(구현을 직접 호출하려면 import anomeval; anomeval.anomaly_image_auroc(scores, labels), 원장에서 가져오려면 opsspc.get("anomaly_image_auroc"))

사용법

이미지별 이상 점수와 양품/불량 라벨로 이미지 단위 AUROC (table).

> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.

scores is a 1-D array (higher = more anomalous), labels the same length with 1 / True = defective. Exact Mann–Whitney statistic with mid-ranks for ties (Hanley & McNeil

1982): the probability that a random defective image outscores a random good one, ties counting 1/2. Returns auroc, n_pos, n_neg.

Raises ValueError on empty / mismatched / non-finite input, non-binary labels, or when all images carry the same label (AUROC undefined).

참고(샘플 데이터·문헌)

• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.

• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.

• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.

실행 가능한 예제(이 연산자를 실제로 호출하는 검증된 샘플)

• anomaly_eval_metrics — py -3.11 examples/anomaly_eval_metrics.py

• poc_good_sample_variation_model — py -3.11 examples/poc_good_sample_variation_model.py

• poc_patch_anomaly — py -3.11 examples/poc_patch_anomaly.py

타입이 이어지는 다음 연산자(table 를 입력으로 받는 것)

msa_anova_table · msa_gauge_rr · msa_bias_linearity · msa_attribute_agreement · gum_standard_uncertainty · gum_propagate · gum_expanded · gum_monte_carlo

같은 카테고리(anomaly_eval)

anomaly_pixel_auroc · anomaly_pro · anomaly_region_overlap · anomaly_pixel_f1_max · anomaly_image_f1_max · anomaly_operating_point

*Provenance: anomeval.py — SPC 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.