AutoLabelling/Model_Development.py at main · KimEnJang/AutoLabelling · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
"""
SAM3 Defect Studio — 데스크탑 앱 진입점 (UI 전용)
==============================================================================
이 파일은 실행 설정 → 이미지 선택 → 메인 윈도우 부팅만 담당한다.

레이어 구성
-----------
- sam3_defect.py : SAM3 검출 엔진 (UI 와 무관)
- features/      : "기능" = 개별 모듈. 새 기능은 여기에 파일 하나 추가하면
                   UI 에 버튼/레이어가 자동으로 생긴다 (Model_Development.py 수정 불필요).
- ui/            : PySide6 위젯/렌더링/스레드

사용법
------
    python Model_Development.py                    # 아래 if __name__ == "__main__" 설정값으로 실행

설정은 파일 아래쪽 if __name__ == "__main__" 블록의 args 값을 직접 수정합니다.
예: image=r"C:\\path\\to\\image.png", image_size=768, fp32=True
==============================================================================
"""
from __future__ import annotations

import sys

from PIL import Image
from PySide6.QtWidgets import QApplication

from defect_dataset import DefectDataset
from log_utils import get_logger, log_system_state, setup_logging
from sam3_defect import Sam3DefectDetector
from ui import MainWindow
from ui.theme import DARK_QSS


def main(
    image: str | None = None,
    image_size: int | None = None,
    dataset_dir: str = "dataset",
    lora_dir: str | None = None,
    fp32: bool = False,
):
    log_file = setup_logging()
    logger = get_logger(__name__)
    logger.info(
        "app starting log_file=%s argv=%s image=%s image_size=%s dataset_dir=%s lora_dir=%s fp32=%s",
        log_file, sys.argv, image, image_size, dataset_dir, lora_dir, fp32,
    )
    log_system_state("app_start")

    app = QApplication(sys.argv)
    app.setApplicationName("Auto Labelling Tool — Labelling")
    app.setStyleSheet(DARK_QSS)
    logger.info("QApplication initialized")

    # 이미지를 미리 선택하지 않고 빈 상태로 UI 를 띄운다.
    # image 인자가 주어진 경우에만 시작 이미지를 미리 로드한다(없으면 UI 의 열기 버튼 사용).
    image_path = image or None
    pil_image = None
    if image_path:
        logger.info("image load start path=%s", image_path)
        pil_image = Image.open(image_path).convert("RGB")
        logger.info(
            "image load done path=%s size=%sx%s mode=%s",
            image_path,
            pil_image.width,
            pil_image.height,
            pil_image.mode,
        )
        log_system_state("image_loaded", image_path=image_path)

    detector = Sam3DefectDetector(image_size=image_size, use_fp16=not fp32, lora_dir=lora_dir)
    logger.info(
        "detector created model_id=%s image_size=%s use_fp16=%s lora_dir=%s",
        detector.model_id,
        detector.image_size,
        detector.use_fp16,
        lora_dir,
    )

    # LoRA 학습용 확정 데이터셋 — 사용자가 [Confirm & Save]로 쌓는다.
    # (실제 학습은 coco_export.py -> lora_train.py 를 터미널에서 별도 실행)
    dataset = DefectDataset(root=dataset_dir)
    try:
        dataset.load()
    except Exception:  # noqa: BLE001
        logger.exception("dataset load failed at startup")
    logger.info("dataset created dir=%s stats=%s", dataset_dir, dataset.stats())

    win = MainWindow(detector, pil_image, image_path, dataset=dataset)
    win.show()
    logger.info("main window shown")
    exit_code = app.exec()
    logger.info("QApplication exited code=%s", exit_code)
    log_system_state("app_exit", image_path=image_path)
    sys.exit(exit_code)


if __name__ == "__main__":
    # 터미널에 --image, --fp32 같은 옵션을 입력하지 않고 여기 값을 고쳐 실행합니다.
    main(
        image=None,          # 예: r"C:\path\to\image.png"; None이면 파일 선택 창을 엽니다.
        image_size=None,     # 예: 768 또는 560; None이면 모델 기본값 1008을 씁니다.
        dataset_dir="dataset",
        lora_dir=None,       # 예: r"dataset\lora_adapter\best"; None이면 base 모델(Zero-Shot).
        fp32=False,          # GTX 10xx 계열처럼 fp16이 느리면 True 권장.
    )