README.md

CLIP 기반 제품 결함 탐지 모델 카드

모델 세부사항

모델 설명

이 모델은 CLIP 기반의 이상 탐지 방법을 사용하여 제품 결함을 탐지합니다. 사전 훈련된 CLIP 모델을 fine-tuning하여 제품 이미지에서 결함을 식별하고, 생산 라인에서 품질 관리 및 결함 감지를 자동화합니다.

• Developed by: 오석
• Funded by: 4INLAB INC.
• Shared by: zhou2023anomalyclip
• Model type: CLIP based Anomaly Detection
• Language(s): Python, PyTorch
• License: Apache 2.0, MIT, GPL-3.0

기술적 제한사항

• 모델은 결함 탐지를 위한 충분하고 다양한 훈련 데이터를 필요로 합니다. 훈련 데이터셋이 부족하거나 불균형할 경우, 모델의 성능이 저하될 수 있습니다.
• 실시간 결함 감지 성능은 하드웨어 사양에 따라 달라질 수 있으며, 높은 해상도에서 결함을 탐지하는 정확도가 떨어질 수 있습니다.
• 결함이 미세하거나 제품 간 유사성이 매우 높은 경우, 모델이 결함을 정확하게 탐지하지 못할 수 있습니다.

학습 세부사항

Hardware

• CPU: Intel Core i9-13900K (24 Cores, 32 Threads)
• RAM: 64GB DDR5
• GPU: NVIDIA RTX 4090Ti 24GB
• Storage: 1TB NVMe SSD + 2TB HDD
• Operating System: Windows 11 pro

데이터셋 정보

이 모델은 시계열 재고 데이터를 사용하여 훈련됩니다. 이 데이터는 재고 수준, 날짜 및 기타 관련 특성에 대한 정보를 포함하고 있습니다. 데이터는 Conv1D와 BiLSTM 레이어에 적합하도록 MinMax 스케일링을 사용하여 전처리되고 정규화됩니다.

• Data sources: https://huggingface.co/datasets/quandao92/vision-inventory-prediction-data

• Training size:

  • 1차 : Few-shot learning with anomaly (10ea), good (4ea)
  • 2차 : Few-shot learning with anomaly (10ea), good (10ea)
  • 3차 : Few-shot learning with anomaly (10ea), good (110ea)

• Time-step: 5초 이내

• Data Processing Techniques:

  • normalization: description: "이미지 픽셀 값을 평균 및 표준편차로 표준화" method: "'Normalize' from 'torchvision.transforms'"
  • max_resize: description: "이미지의 최대 크기를 유지하며, 비율을 맞추고 패딩을 추가하여 크기 조정" method: "Custom 'ResizeMaxSize' class"
  • random_resized_crop: description: "훈련 중에 이미지를 랜덤으로 자르고 크기를 조정하여 변형을 추가" method: "'RandomResizedCrop' from 'torchvision.transforms'"
  • resize: description: "모델 입력에 맞게 이미지를 고정된 크기로 조정" method: "'Resize' with BICUBIC interpolation"
  • center_crop: description: "이미지의 중앙 부분을 지정된 크기로 자르기" method: "'CenterCrop'"
  • to_tensor: description: "이미지를 PyTorch 텐서로 변환" method: "'ToTensor'"
  • augmentation (optional): description: "데이터 증강을 위해 다양한 랜덤 변환 적용, 'AugmentationCfg'로 설정 가능" method: "Uses 'timm' library if specified"

AD-CLIP Model Architecture

• model:
  • input_layer:
    • image_size: [640, 640, 3] # 표준 입력 이미지 크기
  • backbone:
    • name: CLIP (ViT-B-32) # CLIP 모델의 비전 트랜스포머를 백본으로 사용
    • filters: [32, 64, 128, 256, 512] # 비전 트랜스포머의 각 레이어 필터 크기
  • neck:
    • name: Anomaly Detection Module # 결함 탐지를 위한 추가 모듈
    • method: Contrastive Learning # CLIP 모델의 특징을 사용한 대조 학습 기법
  • head:
    • name: Anomaly Detection Head # 결함 탐지를 위한 최종 출력 레이어
    • outputs:
      • anomaly_score: 1 # 이상 탐지 점수 (비정상/정상 구분)
      • class_probabilities: N # 각 클래스에 대한 확률 (결함 여부)

Optimizer and Loss Function

• training:
  • optimizer:
    • name: AdamW # AdamW 옵티마이저 (가중치 감쇠 포함)
    • lr: 0.0001 # 학습률
  • loss:
    • classification_loss: 1.0 # 분류 손실 (교차 엔트로피)
    • anomaly_loss: 1.0 # 결함 탐지 손실 (이상 탐지 모델에 대한 손실)
    • contrastive_loss: 1.0 # 대조 학습 손실 (유사도 기반 손실)

Metrics

• metrics:
  • Precision # 정밀도 (Precision)
  • Recall # 재현율 (Recall)
  • mAP # 평균 정밀도 (Mean Average Precision)
  • F1-Score # F1-점수 (균형 잡힌 평가 지표)

Training Parameters

하이퍼파라미터 설정

• Learning Rate: 0.001.
• Batch Size: 8.
• Epochs: 200.

Pre-trained CLIP model

Model	Download
ViT-B/32	download
ViT-B/16	download
ViT-L/14	download
ViT-L/14@336px	download

Evaluation Parameters

• F1-score: 95%이상.

학습 성능 및 테스트 결과

• 학습성능 테스트 결과과 그래프:

• 학습 결과표:

• 테스트 결과:

  

  Anomaly Product

  

  Normal Product

설치 및 실행 가이라인

이 모델을 실행하려면 Python과 함께 다음 라이브러리가 필요합니다:

• ftfy==6.2.0: 텍스트 정규화 및 인코딩 문제를 해결하는 라이브러리.
• matplotlib==3.9.0: 데이터 시각화 및 그래프 생성을 위한 라이브러리.
• numpy==1.24.3: 수치 연산을 위한 핵심 라이브러리.
• opencv_python==4.9.0.80: 이미지 및 비디오 처리용 라이브러리.
• pandas==2.2.2: 데이터 분석 및 조작을 위한 라이브러리.
• Pillow==10.3.0: 이미지 파일 처리 및 변환을 위한 라이브러리.
• PyQt5==5.15.10: GUI 애플리케이션 개발을 위한 프레임워크.
• PyQt5_sip==12.13.0: PyQt5와 Python 간의 인터페이스를 제공하는 라이브러리.
• regex==2024.5.15: 정규 표현식 처리를 위한 라이브러리.
• scikit_learn==1.2.2: 기계 학습 및 데이터 분석을 위한 라이브러리.
• scipy==1.9.1: 과학 및 기술 계산을 위한 라이브러리.
• setuptools==59.5.0: Python 패키지 배포 및 설치를 위한 라이브러리.
• scikit-image: 이미지 처리 및 분석을 위한 라이브러리.
• tabulate==0.9.0: 표 형태로 데이터를 출력하는 라이브러리.
• thop==0.1.1.post2209072238: PyTorch 모델의 FLOP 수를 계산하는 도구.
• timm==0.6.13: 다양한 최신 이미지 분류 모델을 제공하는 라이브러리.
• torch==2.0.0: PyTorch 딥러닝 프레임워크.
• torchvision==0.15.1: 컴퓨터 비전 작업을 위한 PyTorch 확장 라이브러리.
• tqdm==4.65.0: 진행 상황을 시각적으로 표시하는 라이브러리.
• pyautogui: GUI 자동화를 위한 라이브러리.

모델 실행 단계:

✅ Prompt generating

  training_lib/prompt_ensemble.py

👍 Prompts Built in the Code

1. Normal Prompt: '["{ }"]'
   → Normal Prompt Example: "object"
2. Anomaly Prompt: '["damaged { }"]'
   → Anomaly Prompt Example: "damaged object"

👍 Construction Process

1. 'prompts_pos (Normal)': Combines the class name with the normal template
2. 'prompts_neg (Anomaly)': Combines the class name with the anomaly template

✅ Initial setting for training

• Define the path to the training dataset and model checkpoint saving

parser.add_argument("--train_data_path", type=str, default="./data/", help="train dataset path")
parser.add_argument("--dataset", type=str, default='smoke_cloud', help="train dataset name")
parser.add_argument("--save_path", type=str, default='./checkpoint/', help='path to save results')

✅ Hyper parameters setting

• Set the depth parameter: depth of the embedding learned during prompt training. This affects the model's ability to learn complex features from the data

parser.add_argument("--depth", type=int, default=9, help="image size")

• Define the size of input images used for training (pixel)

parser.add_argument("--image_size", type=int, default=518, help="image size")

• Setting parameters for training

parser.add_argument("--epoch", type=int, default=500, help="epochs")
parser.add_argument("--learning_rate", type=float, default=0.0001, help="learning rate")
parser.add_argument("--batch_size", type=int, default=8, help="batch size")

• Size/depth parameter for the DPAM (Deep Prompt Attention Mechanism)

parser.add_argument("--dpam", type=int, default=20, help="dpam size")

1. ViT-B/32 and ViT-B/16: --dpam should be around 10-13
2. ViT-L/14 and ViT-L/14@336px: --dpam should be around 20-24

→ DPAM is used to refine and enhance specific layers of a model, particularly in Vision Transformers (ViT).
→ Helps the model focus on important features within each layer through an attention mechanism
→ Layers: DPAM is applied across multiple layers, allowing deeper and more detailed feature extraction
→ Number of layers DPAM influences is adjustable (--dpam), controlling how much of the model is fine-tuned.
→ If you want to refine the entire model, you can set --dpam to the number of layers in the model (e.g., 12 for ViT-B and 24 for ViT-L).
→  If you want to focus only on the final layers (where the model usually learns complex features), you can choose fewer DPAM layers.

✅ Test process

👍 Load pre-trained and Fine tuned (Checkpoints) models

1. Pre-trained mode (./pre-trained model/):

→ Contains the pre-trained model (ViT-B, ViT-L,....)
→ Used as the starting point for training the CLIP model
→ Pre-trained model helps speed up and improve training by leveraging previously learned features

2. Fine-tuned models (./checkpoint/):

→ "epoch_N.pth" files in this folder store the model's states during the fine-tuning process.
→ Each ".pth" file represents a version of the model fine-tuned from the pre-trained model
→ These checkpoints can be used to resume fine-tuning, evaluate the model at different stages, or select the best-performing version