Inference

generation.Inferencer

학습한 Generator 모델을 사용하여 검사를 하기 위한 Inferencer class 입니다.

Usage

# 인퍼런스 모듈 빌드
inference_build_config = {
    "checkpoint_path": CHECKPOINT_PATH,
    "password": PASSWORD,
    "device": DEVICE,
}
error, inferencer = Inferencer.build(inference_build_config)
assert error >= 0

# 모듈 정보 확인
error, metadata = read_metadata(CHECKPOINT_PATH)
assert error >= 0
print("Inference metadata:", metadata)

# 인퍼런스 옵션 초기값 확인
n_classes = CONFIG["n_classes"]
inference_options = {
    "outputs.time": False,
}
print("Default inference options:")
for key in inference_options:
    error, value = inferencer.get_default_inference_option(key)
    assert error >= 0
    print(f"  {key}: {value}")

# 디벨로퍼: Generate 수행
generated_results = {}
for image_id, image_info in data.items():
    image_info["save_dir"] = os.path.join(DEMO_DIR, str(image_id))
    images = {image_id: image_info}

    error, results = inferencer.generate(images=images, use_saved_file=False)
    assert error >= 0

    if len(results[image_id]["generated_labels"]) > 0:
        results[image_id]["generated_labels"][0]["accept_generated_label"] = False
    generated_results.update(results)

# 유저 interaction: 생성된 결함 중 제외하고 싶은 결함 제거 작업 수행
error, _ = inferencer.update_generated_labels(generated_results)
assert error >= 0

# 인퍼런스 옵션 변경 후 다시 수행
inference_options = {
    "outputs.time": False,
}
for key, value in inference_options.items():
    error, default_value = inferencer.get_default_inference_option(key)
    assert error >= 0
    error, current_value = inferencer.get_inference_option(key)
    assert error >= 0
    print(key, current_value)
    error, _ = inferencer.set_inference_option(key, value)
    assert error >= 0

# 디벨로퍼: 인퍼런스 옵션 변경
for key, value in inference_options.items():
    error, _ = inferencer.set_inference_option(key, value)
    assert error >= 0

# 디벨로퍼: metadata에 inference_option 저장 (예시)
metadata["inference_options"] = inference_options
error, _ = write_metadata(CHECKPOINT_PATH, metadata)
assert error >= 0

# 인퍼런스 옵션이 잘 변경되었는지 확인
print("Inference options:")
for key in inference_options:
    error, value = inferencer.get_inference_option(key)
    assert error >= 0
    print(f"  {key}: {value}")

# 디벨로퍼: 새로운 세팅으로 Generate 재수행
for image_id, image_info in data.items():
    images = {image_id: image_info}

    # 만약 ["params.inspection_size_wh", "params.batch_size", "params.oversized_image_handling"] 옵션이 변경되었을 경우
    # use_saved_file=False로 모델 인퍼런스를 재수행해야함!
    error, results = inferencer.generate(images=images, use_saved_file=True)
    assert error >= 0

build(config) classmethod

Inferencer class의 instance를 생성합니다.

Parameters:

Name	Type	Description	Default
config	Dict	Inferencer를 build 하기 위한 config가 담겨 있는 dictionary 입니다. { "checkpoint_path": str, # 체크포인트 경로 "password": Optional[str], # 체크포인트 패스워드 (default None) "device": Union[int, str], # GPU 번호 (int) or "cpu" (str) (default "cpu") }	required

Returns:

Name	Type	Description
Inferencer		build가 완료된 generation.Inferencer 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.time": bool,  # (default False, 인퍼런스 시 각 요소에 걸린 시간 측정 여부. True인 경우 측정)
}

사용 예시:

inferencer.get_default_inference_option(key="outputs.time")
inferencer.set_inference_option(key="outputs.time", value=True)

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_option과 동일합니다.

generate(images, use_saved_file)

images들에 대한 generation 수행

Parameters:

Name	Type	Description	Default
images	Dict[str, Dict]	generation에 사용할 데이터 리스트. { "{image_id}": { "path": str, # 이미지 경로 "width": int, # image width "height": int, # image height "labels": [ { "mode": "pen", # pen mode "class_index": int, # class index to be generated "bounding_box": [int, int, int, int], # bounding box (seg label format) "bitmap": str, # seg mask bitmap (seg label format) }, { "mode": "box", # box mode "class_index": int, # class index to be generated "bounding_rot_box": [ [float, float], [float, float], float ], # rotated box coordinates [[center_x, center_y], [width, height], angle] }, { "mode": "auto", # auto mode "box_proposal_mode": str, # box proposal mode. "template_matching", "random", "reference". "class_index": int, # class index to be generated "count": int, # number of defects to be generated by this option }, ..., # times number of labels in the image ], "save_dir": str, # 해당 이미지의 generation 결과 저장 directory }, ..., # times number of images }	required
use_saved_file	bool	기존 인퍼런스 결과인 saved_file 사용 여부.	required

Returns:

Name	Type	Description
Dict	Dict	Generation 결과 { "{image_id}": { "image": np.ndarray, "width": int, "height": int, "generated_labels": [ { "class_index": int, "bounding_box": [int, int, int, int], "bitmap": str, "accept_generated_label": bool, }, ..., # 이미지 상의 생성된 결함 수만큼 반복 ], "time": { "imread_time": float, "inference_time": float, "mask_inference_time": float, "defect_inference_time": float, "post_processing_time": float, } "save_dir": # 입력으로 넣어주었던 해당 이미지의 generation 결과 저장 directory }, ..., # 입력으로 넣어준 이미지 개수만큼 반복 }

update_generated_labels(images)

생성된 결함 중, 제외하고 싶은 결함 정보에 대한 업데이트 수행

Parameters:

Name	Type	Description	Default
images	Dict[str, Dict]	generation 결과를 유저가 수정한 내용. generated labels 만 업데이트 { "{image_id}": { "save_dir": str, # 해당 이미지의 generation 결과 저장 directory "generated_labels": [ { "class_index": int, "bounding_box": [int, int, int, int], "bitmap": str, "accept_generated_label": bool, # 주요 업데이트 목표 변수. 해당 defect 를 사용할지 말지 결정. }, ..., # 이미지 상의 생성된 결함 수만큼 반복 ] }, ..., # 입력으로 넣어준 이미지 개수만큼 반복 }	required

warmup()

현재 설정된 inference 옵션을 바탕으로 warmup을 수행합니다.