anomaly_eval op• Data kinds: signal × signal → table
• Call: import fullseye as fs; fs.ledger.anomaly_image_auroc(scores, labels) (implementation को सीधे call करना हो तो import anomeval; anomeval.anomaly_image_auroc(scores, labels), registry से लेना हो तो opsspc.get("anomaly_image_auroc"))
हर image के एक anomaly score और अच्छा/दोषपूर्ण label से image-level AUROC (table)।
> नीचे का विस्तृत विवरण मूल text में है — सारांश और headings का अनुवाद हो चुका है।
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).
• Sample data catalog (DL URL / license) — 2-D के लिए skimage.data (BSD/public) + synthetic, 3-D के लिए real data sources (Stanford/PDS आदि) के DL URL।
• Operators का स्रोत और संदर्भ — इस op family के मूल research/methods के स्रोत।
• Algorithm का मानक स्रोत (लेखक, वर्ष) और उपयोग ऊपर की family usage guide में दिए गए हैं।
• 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 को input के रूप में लेते हैं)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_pixel_auroc · anomaly_pro · anomaly_region_overlap · anomaly_pixel_f1_max · anomaly_image_f1_max · anomaly_operating_point
*Provenance: anomeval.py — SPC operator registry. यह per-op note tools/opdocs.py md से अपने-आप generate होता है (हाथ से edit न करें)।*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.