Train Anomaly Clustering

SaigeVAD.AnomalyClusteringTrainer

Bases: anomaly_cluster.AnomalyClusteringTrainer

Anomaly Clustering 학습을 위한 AnomalyClusteringTrainer class 입니다.

Usage

from SaigeVAD.engine.saigevad_api import AnomalyClusteringTrainer


# this is an example config.
config = {
            "progress_server_url": "http://0.0.0.0:5000/on_epoch_end",
            "device_index": 0 # optional
}

# train_data에는 최소 50장의 이미지가 필요함.
train_message = {
    "data": {
        "train_data": [
            {"img_path": "../220914_0520/1521_001.jpeg"},
            {"img_path": "../220914_0525/1521_002.jpeg"},
        ],
        "saigevad_model_path": "../name.saigevad",
    }
}

# AnomalyClusteringTrainer 빌드
error, anomaly_clustering = AnomalyClusteringTrainer.build(config)

# train_message를 이용한 학습
error, cluster_output = anomaly_clustering.train(train_message, password)
"""
[{"image_path": ["../220914_0520/1521_001.jpeg"], "cluster_index": 1}, ...]
"""

# VAD 학습 결과를 이용한 학습
error, weight_sampling_result = trainer.process_weight_sampling() #VadTrainer
vad_train_result_dict = {
    "checkpoint_path": checkpoint_path,
    "weight_sampler_info": weight_sampling_result ,
}
error, train_message = anomaly_clustering.convert_vad_train_result_to_train_message(vad_train_result_dict)
error, cluster_output = anomaly_clustering.train(train_message, password)

# 결과 저장
anomaly_clustering.save_checkpoint(checkpoint_path=train_message["saigevad_model_path"], password=password)

---

build(config=None) classmethod

학습을 위해 AnomalyClusteringTrainer class의 instance를 생성합니다.

Parameters:

Name	Type	Description	Default
config	Optional[dict]	학습 config가 담겨 있는 dictionary 입니다. Defaults to None. config = { "progress_server_url": "http://0.0.0.0:5000/on_epoch_end" "device_index": 0 }	None

Returns:

Name	Type	Description
AnomalyClusteringTrainer		build가 완료된 saigevad_api.AnomalyClusteringTrainer class의 instance를 반환합니다.

---

train(train_message, password=None, pretrained=True, initial_epochs=1000, n_oversampling_stage=6, n_oversampling_epoch_per_stage=500)

Clustering 학습을 진행합니다.

Parameters:

Name	Type	Description	Default
train_message	Dict	학습 데이터가 담겨 있는 dictionary 입니다. train_message = { "data": Dict, # 학습에 필요한 데이터를 담고 있습니다. { "train_data": List[Dict], # 학습에 필요한 이미지 데이터입니다. [ {"img_path": "../220914_0520/1521_001.jpeg"}, {"img_path": "../220914_0525/1521_002.jpeg"}, ], "saigevad_model_path": str, # VAD 학습 모델의 경로입니다. } }	required
password	Optional[str]	VadTrainer 학습 파일의 password입니다. Defaults to None.	None

Returns:

Type	Description
List[dict]	List[dict]: clustering image info 리스트입니다. python output = [ { "image_output": str, # "../220914_0520/1521_001.jpeg", "cluster_index": int, # 3 }, ... ]

---

convert_vad_train_result_to_train_message(vad_train_result_dict)

VAD 학습 결과를 이용하여 anomaly clustering 학습에 사용하기 위해 preprocessing을 진행합니다.

Parameters:

Name	Type	Description	Default
vad_train_result_dict	Dict[str, Any]	학습 config가 담겨 있는 dictionary 입니다. vad_train_result_dict = { "checkpoint_path": str, # VAD 학습모델 경로입니다. "weight_sampler_info": np.ndarray, # weight sampling 결과입니다. }	required

Returns:

Type	Description
List[Dict[str, str]]	List[Dict[str, str]]: 학습에 필요한 정보가 담겨있는 dictionary 입니다. output = [ { "data": Dict, # 학습에 필요한 데이터를 담고 있습니다. { "train_data": List[Dict], # 학습에 필요한 이미지 데이터입니다. [ {"img_path": "../220914_0520/1521_001.jpeg"}, {"img_path": "../220914_0525/1521_002.jpeg"}, ], "saigevad_model_path": str, # VAD 학습 모델의 경로입니다. } } ]

---

save_checkpoint(checkpoint_path, password=None)

현재 AnomalyClusteringTrainer의 상태를 VAD train result dictionary에 저장합니다.

Parameters:

Name	Type	Description	Default
checkpoint_path	str	checkpoint를 저장할 경로입니다.	required
password	str	checkpoint 파일에서 중요한 정보를 암호화 하는데 사용되는 password 입니다. None이면 암호화하지 않습니다. Defaults to None.	None

---