실습 3 — 추론 단계 붙이기

import os
from pathlib import Path
import cv2
import pandas as pd

os.environ["YOLO_VERBOSE"] = "False"           # 긴 진행 글을 줄인다
from ultralytics import YOLO

if not Path("out_ch18_runs/parts/weights/best.pt").exists():
    raise SystemExit("best.pt 가 없습니다. 18차시 실습 2를 먼저 실행하세요")
if not Path("out_ch19_prepped.csv").exists():
    raise SystemExit("out_ch19_prepped.csv 가 없습니다. 실습 2를 먼저 실행하세요")

CONFIG = {"conf": 0.25, "size": [320, 240]}

# 반복문 밖에서 한 번만 부른다(본문 "추론 단계")
model = YOLO("out_ch18_runs/parts/weights/best.pt")
print("클래스:", model.names)

prepped = pd.read_csv("out_ch19_prepped.csv", keep_default_na=False)
print("추론할 그림:", len(prepped), "장")

img = cv2.imread("out_ch19_prepped/belt_018.png")
# predict: imgsz 학습 크기, conf 신뢰도 기준, device 계산 장치, verbose 진행 글
results = model.predict(img, imgsz=320, conf=CONFIG["conf"], device="cpu", verbose=False)
r = results[0]                                  # 그림 한 장을 넣었으므로 결과도 하나
xyxy = r.boxes.xyxy.cpu().numpy()               # 상자 모서리 두 점(픽셀)
conf = r.boxes.conf.cpu().numpy()               # 신뢰도
cls = r.boxes.cls.cpu().numpy().astype(int)     # 클래스 번호
for (x1, y1, x2, y2), c, k in zip(xyxy, conf, cls):
    print(r.names[int(k)], round(float(c), 3), [round(float(v)) for v in (x1, y1, x2, y2)])

def infer_stage(rows, model, config):
    """추론 단계: 다듬은 그림마다 predict 하고, 상자를 원래 좌표로 되돌려 물체 표를 돌려준다."""
    found = []
    for row in rows.itertuples():
        img = cv2.imread(f"out_ch19_prepped/{row.saved}")
        r = model.predict(img, imgsz=config["size"][0], conf=config["conf"], device="cpu", verbose=False)[0]
        for (x1, y1, x2, y2), c, k in zip(r.boxes.xyxy.cpu().numpy(), r.boxes.conf.cpu().numpy(),
                                          r.boxes.cls.cpu().numpy().astype(int)):
            found.append({"file": row.file, "class": r.names[int(k)], "conf": round(float(c), 3),
                          # 줄인 그림의 좌표 ÷ 비율 = 원래 그림의 좌표
                          "x1": round(float(x1) / row.scale), "y1": round(float(y1) / row.scale),
                          "x2": round(float(x2) / row.scale), "y2": round(float(y2) / row.scale)})
    return pd.DataFrame(found, columns=["file", "class", "conf", "x1", "y1", "x2", "y2"])

detections = infer_stage(prepped, model, CONFIG)
detections.to_csv("out_ch19_detections.csv", index=False, encoding="utf-8-sig")
print("찾은 물체:", len(detections), "개 → out_ch19_detections.csv")
print(detections.head(5).to_string(index=False))
print("640x480 그림의 상자:", detections[detections["file"] == "belt_016.png"][["class", "x1", "y1", "x2", "y2"]].values.tolist())

# 그림마다 찾은 개수와 정답 개수를 나란히 놓는다(상자 위치까지 맞는지는 프로젝트에서 IoU 로 잰다)
answer = pd.read_csv("ch19_incoming/answer.csv")
got = detections.groupby("file").size()
want = answer[answer["filename"].isin(prepped["file"])].groupby("filename").size()
compare = pd.DataFrame({"찾음": got, "정답": want}).fillna(0).astype(int)
compare["차이"] = compare["찾음"] - compare["정답"]
print(compare.to_string())
print("개수가 다른 그림:", compare[compare["차이"] != 0].index.tolist())
print("클래스별 찾은 개수:", detections["class"].value_counts().to_dict())