Inference

enhancement.InferenceHandler

학습한 Enhancement 모델을 사용하여 검사를 하기 위한 InferenceHandler class 입니다.

Usage

demo/inference.py 참고

build(config) classmethod

InferenceHandler class의 instance를 생성합니다.

Parameters:

Name	Type	Description	Default
config	Dict	InferenceHandler를 build 하기 위한 config가 담겨 있는 dictionary 입니다. { "checkpoint_path": str, # 체크포인트 경로 "inference_options": Optional[Dict], # 인퍼런스 옵션 config (default None). 구조는 `get_default_inference_option`의 Keys 참고. "password": Optional[str], # 체크포인트 패스워드 (default None) "device": Union[int, str], # GPU 번호 (int) or "cpu" (str) (default "cpu") }	required

Returns:

Name	Type	Description
InferenceHandler	InferenceHandler	build가 완료된 enhancement.InferenceHandler class의 instance를 반환합니다.

get_default_inference_option(key)

Inference & postprocess 옵션의 기본 설정 값을 반환합니다.

Parameters:

Name	Type	Description	Default
key	str	옵션 key	required

Returns:

Name	Type	Description
Any	Any	옵션 value

Keys

사용 가능한 key와 value 목록:

{
    "outputs.enhanced_image": bool,  # (default True, output으로 enhanced_image를 계산할 지 여부. True인 경우 계산)
    "outputs.time": bool,  # (default False, 인퍼런스 시 각 요소에 걸린 시간 측정 여부. True인 경우 측정)
    "params.batch_size": int,  # `infer_and_postprocess`에 한 번에 입력할 수 있는 최대 이미지 개수 입니다.
                               # 파라미터가 변경되는 경우 해당 값으로 warmup을 수행합니다.
                               # (default 1)
    "params.inspection_size_wh": Optional[List[int]],  # inference를 할 때, 내부 연산이 진행되는 image size 입니다.
                                                       # input image가 inspection_size_wh 보다 작은 경우 부족한 부분을 zero padding으로 채웁니다.
                                                       # 파라미터가 변경되는 경우 해당 값으로 warmup을 수행합니다.
                                                       # (default None)
    "params.oversized_image_handling": str,  # inference시 inspection_size_wh 보다 큰 이미지에 대한 핸들링 옵션 입니다.
                                             # 아래 옵션들 중 한 가지를 선택할 수 있습니다.
                                             #   "do_not_inspect" - 큰 이미지가 들어오면 에러 레이즈
                                             #   "crop_into_tiles" - 큰 이미지가 들어오면 inspection_size_wh 크기의 타일로 잘라서 검사
                                             # (default "do_not_inspect")
}

사용 예시:

handler.get_default_inference_option(key="outputs.time")
handler.set_inference_option(key="outputs.time", value=False)

get_inference_option(key)

현재 설정된 inference & postprocess 옵션 값을 읽습니다.

Parameters:

Name	Type	Description	Default
key	str	옵션 key	required

Returns:

Name	Type	Description
Any	Any	옵션 value

Keys

get_default_inference_option과 동일합니다.

set_inference_option(key, value)

Inference & postprocess 옵션을 설정합니다.

Parameters:

Name	Type	Description	Default
key	str	설정하고자 하는 옵션 key 입니다.	required
value	Any	설정하고자 하는 옵션 value 입니다.	required

Returns:

Name	Type	Description
None	None	None

Keys

get_default_inference_option에서 warmup이 필요한 [params.inspection_size_wh, params.batch_size]를 제외하면 동일합니다.

infer_and_postprocess(images)

image의 List를 입력으로 받아 모델 인퍼런스와 후처리를 수행합니다. (for Runtime) 실시간 검사를 위해 연산 과정이 최적화되어 있으며, 중간 결과를 제거하고 postprocess 최종 결과만을 반환합니다.

Parameters:

Name	Type	Description	Default
images	Union[List[np.ndarray], List[str]]	- List[np.ndarray]: numpy image가 들어있는 List 입니다. 각 image는 다음 제약 조건을 갖습니다. data type: uint8, uint16 channel: H x W / H x W x 1 - Gray - List[str]: image 경로가 들어있는 List 입니다.	required

Returns:

Type

Description

List[Dict]

List[Dict]: image의 postprocess 결과들이 들어있는 List 입니다. [ { # 아래 키들 중 inference_options에 설정된 출력 값들만 포함. "enhanced_image": ndarray(uint8, shape=(H, W)), # enhance된 image 입니다. "is_oversized": bool, # 입력한 이미지가 oversized인지 여부 (True면 oversized) "time": { # inference에 소요된 시간을 담고있는 dictionary 입니다. (단위: ms) "imread_time": float, # 실제 image를 load하여 연구팀이 사용하는 image format (PIL)으로 변경하기까지 걸리는 시간 (각 이미지 별로 걸리는 시간) "inference_time": float, # resize, roi, tensorize, network forward 등을 포함하는 시간 (각 이미지 별로 걸리는 시간) "post_processing_time": float, # postprocess에 걸린 시간 (각 이미지 별로 걸리는 시간) }, }, ..., # times number of images ]

analyze(images, labeled)

미구현, 다음 패치 때 추가 될 예정입니다.

warmup()

현재 설정된 inference 옵션을 바탕으로 warmup을 수행합니다.