anomaly_eval op• 데이터 종류: video × video → table
• 호출: import fullseye as fs; fs.ledger.anomaly_pro(scores, masks, fpr_max=0.3)(구현을 직접 호출하려면 import anomeval; anomeval.anomaly_pro(scores, masks, fpr_max=0.3), 원장에서 가져오려면 opsspc.get("anomaly_pro"))
결함 연결 영역별 중첩(PRO) 곡선과 fpr_max 까지의 정규화 면적 AUPRO (table).
> 아래 상세 설명은 원문입니다 —— 요약과 제목은 번역되어 있습니다.
Definition (Bergmann et al., CVPR 2020): at a threshold t, every 8-connected defect region C of every mask scores |{score >= t} ∩ C| / |C|; PRO(t) is the mean over all regions, so a small defect weighs as much as a large one. FPR(t) is the fraction of all good pixels with score >= t. The curve is evaluated exactly at every distinct score (sorted cumulative sums, no threshold grid), starts at (0, 0), is integrated by the trapezoid rule up to fpr_max (the customary 0.3; linear interpolation at the cut) and divided by fpr_max → aupro in [0, 1]. Returns aupro, fpr / pro (the curve up to the cut), n_regions, fpr_max.
Raises ValueError on empty / mismatched / non-finite input, non-binary masks, no defect region, no good pixel, or fpr_max outside (0, 1].
• 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.
• 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
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
anomaly_eval)anomaly_image_auroc · anomaly_pixel_auroc · 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.