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
inference_options = {
    "mask.smooth_mask": True, # 라벨에 값이 지정되지 않았을 경우 디폴트 값으로 사용되는 옵션
    "mask.assist_intensity": 50, # 라벨에 값이 지정되지 않았을 경우 디폴트 값으로 사용되는 옵션
    "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: 인퍼런스 옵션 변경
for key, value in inference_options.items():
    error, _ = analyzer.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 = analyzer.get_inference_option(key)
    assert error >= 0
    print(f"  {key}: {value}")

# 디벨로퍼: Generate 수행
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)
    assert error >= 0

# 디벨로퍼: Auto Generate 수행
auto_generate_options = {
    "smooth_mask": True,
    "assist_intensity": 50,
    "data_type": "object",
    "num_generate": {0: 1},
    "mask_generation_mode": {"assist": True, "mask_pool": False},
    "box_expand_ratio": 1.0,
}

error, results = inferencer.auto_generate(images=images, options=auto_generate_options)
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:

{
    "mask.smooth_mask": bool,  # (default False, mask assist 결과 smoothing 여부. 입력에 smooth_mask가 지정되지 않은 경우 이 옵션을 사용합니다.)
    "mask.assist_intensity": int,  # (default 100, mask assist 결과 적용 강도. 100인 경우 mask assist 결과를 그대로 적용. 0인 경우 mask assist 결과를 적용하지 않음. 입력에 assist_intensity가 지정되지 않은 경우 이 옵션을 사용합니다.)
    "outputs.time": bool,  # (default False, 인퍼런스 시 각 요소에 걸린 시간 측정 여부. True인 경우 측정)
}

사용 예시:

inferencer.get_default_inference_option(key="mask.smooth_mask")
inferencer.set_inference_option(key="mask.smooth_mask", 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.

auto_generate(images, options)

images들에 대한 auto 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": [ { "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) }, # existing label ..., # times number of labels in the image ], "save_dir": str, # 해당 이미지의 generation 결과 저장 directory }, ..., # times number of images }	required
options	Dict[str, Any]	auto generation에 사용할 옵션 리스트. { "smooth_mask": bool, # (default False, mask assist 결과 smoothing 여부) "assist_intensity": int, # (default 100, mask assist 결과 적용 강도. 100인 경우 mask assist 결과를 그대로 적용. 0인 경우 mask assist 결과를 적용하지 않음) "data_type": str, # "object" or "texture" "num_generate": Dict[int, int], # {class_index: number of defects to be generated} "mask_generation_mode": Dict[str, bool], # {assist: bool, mask_pool: bool}, both cannot be False at the same time "box_expand_ratio": float, # box expand ratio. 1.0 means no expand. }	required

Raises:

Type	Description
InferenceOptionNameError	옵션 이름이 올바르지 않을 경우 발생하는 에러
InferenceInvalidOptionError	옵션 값이 올바르지 않을 경우 발생하는 에러
InferenceAutoModeTrialExeed	auto mode의 trial 횟수가 초과할 경우 발생하는 에러

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": # 생성된 이미지의 generation 결과 저장 directory }, ..., # 생성된 이미지 개수만큼 반복 }

generate(images)

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": [ { "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) }, # existing label { "mode": "manual", # manual mode "assist": bool, # mask refine assistant 여부 "assist_intensity": int, # mask refine assistant 강도 "smooth_mask": bool, # mask smoothing 여부 "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) }, # user label for generation ..., # times number of labels in the image ], "save_dir": str, # 해당 이미지의 generation 결과 저장 directory }, ..., # times number of images }	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 }

warmup()

현재 설정된 inference 옵션을 바탕으로 warmup을 수행합니다.