Anomaly Detection
Teacher–Student
Año
2026
Tipo
IA y datos
Estado
Entregado
Stack
PyTorch Lightning, Hydra, WandB
τ=0.59
Sobre el proyecto
Detección de anomalías industriales en MVTec AD: CNN desde cero vs. destilación teacher–student con ResNet-18, más un autoencoder U-Net; embeddings analizados con Mahalanobis y DBSCAN.
Tres estrategias sobre el mismo benchmark: aprender desde cero, transferir por destilación y reconstruir con autoencoder. La evaluación va más allá de la métrica: analiza el espacio de embeddings para entender qué separa realmente cada método. Montado en PyTorch Lightning, con Hydra para configuración y WandB para seguimiento, así que cada corrida es reproducible.
PyTorch LightningHydraWandBResNet-18U-NetDBSCAN