anomaly_image_auroc — SPC anomaly_eval op

• 資料種類:signal × signal → table

• 呼叫: import fullseye as fs; fs.ledger.anomaly_image_auroc(scores, labels)(要直接呼叫實作,import anomeval; anomeval.anomaly_image_auroc(scores, labels);從台帳取用則 opsspc.get("anomaly_image_auroc"))

用法

由每張影像的異常分數與良/不良標籤計算影像級 AUROC(table)。

> 以下的詳細說明為原文 —— 摘要與標題已翻譯。

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).

參考(範例資料、文獻)

• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。

• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。

• 演算法的正典(作者、年份)與用途見上面的族使用指南。

可執行的範例(實際呼叫該運算子並已驗證的樣例)

• 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

型別可銜接的下一個運算子(可接受 table 作為輸入)

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

同類別(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 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*

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