콘텐츠로 이동

Inference

vims.InferenceHandler

학습한 vims 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
    "adaptation_layer_checkpoint_path": Optional[str],  # adaptation layer 체크포인트 경로 (default None)
    "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 detection.InferenceHandler class의 instance를 반환합니다.

infer(data, frame_timestamps=None)

Inference를 수행하고, 결과를 반환합니다.

Parameters:

Name Type Description Default
data Union[RawImages, PreprocessedSequence]

inference에 사용할 데이터입니다.

 required
frame_timestamps Optional[List[int]]

frame timestamp입니다. Defaults to None.

 None

Returns:

Name Type Description
ResultContainer ResultContainer

inference 결과를 반환합니다.
Usage 
# ResultContainer는 model_dump 메소드를 사용하여 dict로 변환할 수 있습니다.

error, message, result = inference_handler.infer(data)

result_dict = result.model_dump()

result_dict = {
    "anomaly_score_final": List[float],  # 각 프레임의 anomaly score입니다.
    "threshold_final": float,  # 최종 threshold 값입니다.
    "state_index": List[int],  # 각 프레임의 state index입니다.
    "frame_timestamps": List[int],  # 각 프레임의 timestamp입니다.
    "roi_coordinates": List[List[int]],  # roi 좌표입니다.
    "is_roi_shift": List[bool],  # roi shift 발생 여부이고 True일 경우 roi calibration이 수행되었음을 의미합니다.
    "is_anomaly": List[bool],  # 각 프레임의 anomaly 여부입니다.
    "is_domain_shift": List[bool],  # domain shift 발생 여부입니다. True일 경우 roi calibration state로 변경됩니다.
    "error_code": int,  # error code입니다. 0이면 정상입니다.
    "clip_path": List[int], # 각 프레임의 clip path입니다.
    "frame_index": List[int], # 각 프레임의 index입니다.
    "roi_matching_scores": List[float], # roi matching score입니다.
    "camera_shift_roi_matching_scores": List[float], # camera shift roi matching score입니다.
}

# 더 많은 정보를 얻기 위해서는 아래와 같이 사용합니다. 연구소 모듈 내부에서 사용하는 정보 및 이미지가 포함됩니다.
result_dict = result.model_dump(return_original=True)

process_manual_roi_calibration(data)

수동 roi calibration을 수행합니다.

Parameters:

Name Type Description Default
data Union[RawImages, PreprocessedSequence]

inference에 사용할 데이터입니다.

 required

Returns:

Name Type Description
ResultContainer

수동 roi calibration 결과를 반환합니다. 구조는 infer의 output과 동일합니다.

get_default_inference_option(key)

inference 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: 

{
    "apply_roi_calibration": bool,  # inference 시 roi calibration을 작동할지 여부입니다. 기본값은 모델 학습 시 설정된 값입니다.
    "apply_domain_shift_detection": bool,  # inference 시 domain shift detection을 작동할지 여부입니다. 기본값은 모델 학습 시 설정된 값입니다.
    "apply_motion_detection": bool, # inference 시 motion detection을 작동할지 여부입니다. 기본값은 모델 학습 시 설정된 값입니다.
    "apply_adaptation": bool,  # inference 시 adaptation을 작동할지 여부입니다. 기본값은 모델 True입니다.
    "score_mode": Literal["topk", "mean"],  # score를 계산하는 방식입니다. "topk" 또는 "mean" 중 하나여야 합니다. 기본값은 "mean" 입니다.
    "final_threshold": float, # Anomaly 판단 threshold 값입니다. 기본값은 5 입니다.
    "camera_shift_matching_threshold": float, # camera shift 판단 threshold 값입니다. 기본값은 0.6 입니다.
    "camera_shift_frame_interval": float, # camera shift detection을 수행하는 frame interval 값입니다.기본값은 300 입니다.
}

Usage 
error, message, _ = handler.get_default_inference_option(key="apply_roi_calibration")
error, message, _ = handler.set_inference_option(key="apply_roi_calibration", value=False)

get_default_inference_options()

inference의 모든 기본 설정 값을 반환합니다.

Args:

Returns:

Type Description
Dict[str, Any]

Dict[str, Any]: 모든 기본 옵션 값입니다.
Keys

사용 예시: 

error, message, default_options = handler.get_default_inference_options()

get_inference_option(key)

현재 설정된 inference 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 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.

save_heatmap(result, save_dir_path)

이상감지된 이미지에 대하여 heatmap을 저장합니다.

Parameters:

Name Type Description Default
result ResultContainer

검사 결과가 들어있습니다.

 required
save_dir_path str

heatmap 이미지 저장을 위한 폴더 경로 입니다.

 required

Returns:

Name Type Description
Dict Dict[str, List[str]]

heatmap 이미지 경로 정보를 담은 dictionary 입니다. 

output = {
    "original_image": List[str], # original 이미지 경로 정보입니다.
    "heatmap_image": List[str], # heatmap 이미지 경로 정보입니다.
}

save_adaptation_layer(checkpoint_path, metadata=None, password=None, **options)

Adaptation layer를 저장합니다.

Parameters:

Name Type Description Default
checkpoint_path str

checkpoint를 저장할 path 입니다.

 required
metadata Optional[Dict]

checkpoint에 저장할 추가 metadata. Defaults to None.

 None
password Optional[str]

checkpoint 파일에서 중요한 정보를 암호화 하는데 사용되는 password 입니다. None이면 암호화하지 않습니다. Defaults to None.

 None
**options

state_dict 저장 시 추가적인 옵션을 설정합니다.

 {}

Returns:

Name Type Description
None None

None

get_template_images()

ROI calibration에서 사용하는 template 이미지를 반환합니다.

Returns:

Type Description
Dict[str, ndarray]

Dict[str, np.ndarray]: template 이미지 dictionary 입니다.
Dict[str, ndarray]

```python
Dict[str, ndarray]

output = { "roi_images": np.ndarray, # roi template 이미지들 입니다. "camera_shift_roi_images" : Optional[np.ndarray], # camera shift roi template 이미지들 입니다.
Dict[str, ndarray]

}