Entraînez, testez et déployez des modèles de vision par deep learning pour détecter et localiser des anomalies visuelles dans des jeux de données d'images.
Testez et déployez des modèles de vision pour repérer des dommages matériels ou des motifs inhabituels sur des images d'inspection.
Anomalib est une bibliothèque Python open-source conçue pour évaluer et déployer des algorithmes de détection d'anomalies visuelles. Basée sur PyTorch Lightning, elle aide les ingénieurs en vision par ordinateur dans l'assurance à entraîner des modèles non supervisés pour détecter des dommages physiques ou des anomalies dans des photos d'inspection sans nécessiter de grands ensembles de données étiquetées de pannes.
La bibliothèque fournit des algorithmes préintégrés tels que PatchCore et WinCLIP pour identifier, segmenter et localiser des motifs visuels inattendus dans des images ou des trames vidéo. Elle comprend une API Python unifiée et une CLI pour gérer le suivi des expériences, la gestion des jeux de données et l'optimisation des modèles. Les modèles s'exportent directement vers OpenVINO Intermediate Representation pour une exécution rapide sur du matériel serveur ou edge.
Elle convient aux data scientists de l'assurance et aux développeurs en vision par ordinateur qui construisent des pipelines automatisés d'évaluation des dommages matériels ou de détection visuelle des fraudes. Elle ne convient pas aux experts en sinistres non techniques ou aux équipes travaillant uniquement avec des dossiers de sinistres tabulaires.
Accédez à des algorithmes de détection d'anomalies visuelles de pointe, notamment PatchCore, FoundAD et WinCLIP.
Exportez les modèles entraînés vers OpenVINO Intermediate Representation pour une exécution optimisée sur l'architecture Intel.
Entraînez, évaluez et exécutez des prédictions à l'aide d'options en ligne de commande simples ou d'intégrations de scripts Python.
Installez des packages de backend spécialement conçus pour NVIDIA CUDA, AMD ROCm, Intel XPU ou des configurations CPU standard.
Anomalib est gratuit et open-source sous licence Apache-2.0. Le coût principal provient du calcul GPU cloud ou local nécessaire pour entraîner et exécuter ces modèles de vision par ordinateur.
877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.
Non, Anomalib cible spécifiquement la détection et la localisation d'anomalies visuelles au sein de jeux de données d'images et de vidéos.
Oui, les modèles s'exportent vers des formats tels que OpenVINO IR pour une inférence optimisée sur des appareils mobiles ou edge.
Il s'appuie sur PyTorch et PyTorch Lightning pour gérer les boucles d'entraînement et la gestion des données.
Voir Zekai en premier dans Google