# 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](https://openaipublic.azureedge.net/clip/models/40d365715913c9da98579312b702a82c18be219cc2a73407c4526f58eba950af/ViT-B-32.pt) |
| ViT-B/16 | [download](https://openaipublic.azureedge.net/clip/models/5806e77cd80f8b59890b7e101eabd078d9fb84e6937f9e85e4ecb61988df416f/ViT-B-16.pt) |
| ViT-L/14 | [download](https://openaipublic.azureedge.net/clip/models/b8cca3fd41ae0c99ba7e8951adf17d267cdb84cd88be6f7c2e0eca1737a03836/ViT-L-14.pt) |
| ViT-L/14@336px | [download](https://openaipublic.azureedge.net/clip/models/3035c92b350959924f9f00213499208652fc7ea050643e8b385c2dac08641f02/ViT-L-14-336px.pt) |
# Evaluation Parameters
- F1-score: 95%이상.
# 학습 성능 및 테스트 결과
- **학습성능 결과과 그래프**:
1차 학습 성능
2차 학습 성능
3차 학습 성능
- **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
```ruby
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
```ruby
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
```ruby
parser.add_argument("--depth", type=int, default=9, help="image size")
```
- Define the size of input images used for training (pixel)
```ruby
parser.add_argument("--image_size", type=int, default=518, help="image size")
```
- Setting parameters for training
```ruby
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)
```ruby
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
```
```ruby
→ 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/):
```ruby
→ 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/):
```ruby
→ "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
```