论文《Zero-Shot Anomaly Detection via Textual Decoupling》的关联数据
评估采用图像级 AUROC 与 AP 作为主要指标，可用于零样本异常检测与异常定位任务的性能评测（来源 DOI 解析，Creative Commons Attr
基本信息
资源简介
论文《Zero-Shot Anomaly Detection via Textual Decoupling》的关联数据
The associated data for the paper "Zero-Shot Anomaly Detection via Textual Decoupling"
该数据为论文《Zero-Shot Anomaly Detection via Textual Decoupling》的关联数据，覆盖工业与医学两大领域的十二个公开数据集。工业异常检测选用 MVTec AD、VisA、MPDD、BTAD、DAGM 和 DTD-synthetic 六个基准数据集；医学领域使用皮肤癌检测数据集 ISIC、结肠息肉检测数据集 CVC-ClinicDB 与 CVC-ColonDB，以及脑肿瘤检测数据集 Head_CT、BrainMRI 和 Br35H。评估采用图像级 AUROC 与 AP 作为主要指标，可用于零样本异常检测与异常定位任务的性能评测（来源 DOI 解析，Creative Commons Attr。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该论文在十二个公开数据集上进行了大量实验，以全面评估所提出方法的性能。这些数据集涵盖工业和医学领域。在工业异常检测方面，选取了 MVTec AD、VisA、MPDD、BTAD、DAGM 和 DTD-synthetic 六个基准数据集。在医学领域，论文使用了皮肤癌检测数据集 ISIC、结肠息肉检测数据集 CVC-ClinicDB 和 CVC-ColonDB，以及脑肿瘤检测数据集 Head_CT、BrainMRI 和 Br35H。在异常检测任务的评估中，论文采用图像级的接收者操作特征曲线下面积（AUROC）和平均精度（AP）作为主要评价指标，以全面衡量模型区分正常与异常图像的性能。对于异常定位任务，pa
【主题与分类】
主题标签：Computer science and technology、Zero-Shot Anomaly Detection、Textual Decoupling、AUROC。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://www.scidb.cn/detail?dataSetId=3b8804a6273c44588fe5d813b130a678
使用许可：Creative Commons Attribution Non Commercial No Derivatives 4.0 International。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.57760/sciencedb.38531
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
本文在十二个公开数据集上开展了大量实验，以全面评估所提方法的性能。这些数据集涵盖工业和医学领域。在工业异常检测方面，选取了MVTec AD、VisA、MPDD、BTAD、DAGM和DTD-synthetic六个基准数据集。在医学领域，本文使用了皮肤癌检测数据集ISIC、结肠息肉检测数据集CVC-ClinicDB和CVC-ColonDB，以及脑肿瘤检测数据集Head_CT、BrainMRI和Br35H。在异常检测任务的评估中，本文采用图像级别的接收者操作特征曲线下面积（AUROC）和平均精度（AP）作为主要评价指标，以全面衡量模型区分正常与异常图像的性能。对于异常定位任务，本文使用像素级AUROC和PRO曲线下面积（AUPRO）作为评价指标。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
