モデル推論と自動エクスポート¶

メイン推論ページの対応範囲¶

モデル推論は 4 種類のモダンタスクとクラシック物体検出・分類をサポートします。異常検出には専用ページの推論表示を使用してください。

構成	入力する重み	追加の要件
モダンモデル	.pt または .onnx	対応するタスク種別。特に ONNX で重要
クラシック検出・分類	.pdparams	対応する学習 YAML。実験から取り込み可能
異常検出の専用ページ	model.patchcore.pt	専用ページの画像入力、デバイス、しきい値倍率

クラシック学習実験のインポートでは、有効な最終設定スナップショットと実際のチェックポイントを優先し、YAML の事前学習 URL を学習済みモデルとして扱いません。必要に応じてクラス TXT を指定できます。クラシックの重み形状が一致しない場合はエラーにし、黙ってランダムパラメーターを使用することはありません。

タスク種別・しきい値・デバイス¶

モダンのタスクには分類、物体検出、インスタンスセグメンテーション、回転物体検出があります。クラシック構成に切り替えると、選択した構成によってタスクが決まります。

信頼度欄の既定値は 0.3、入力範囲は 0.01～1.0 です。検出系の推論はしきい値以上の結果を保持し、クラシック分類はしきい値を満たす上位最大 5 クラスを返します。モダン分類のネイティブ結果処理は、この conf 設定で分類確率を絞り込みません。モダン分類の OK/NG 判定規則として解釈しないでください。

モダン PT は選択したデバイスで実行します。現在のソフトウェアは モダン ONNX の推論を CPU に強制切り替えし、GPU が選択されていてもログに表示します。ONNX の GPU 推論は保証しません。クラシック推論は CPU または選択した単一の NVIDIA GPU で実行できます。

前処理¶

ソフトウェアが生成したモダン分類 PT/ONNX には中央クロップの前処理メタデータを含め、ソフトウェア推論で読み取ります。外部の ONNX 推論プログラムは、隣に JSON があるだけでは前処理を自動適用しません。デプロイ側で正しく実装する必要があります。

クラシック分類は設定内の Infer 前処理とクラス対応を読み取り、クラシック検出は対応する TestReader を使用します。外部の重みに対応する学習設定がない場合、拡張子だけでは正しい前処理を復元できません。

出力フォルダー¶

モダン推論で出力先を指定しない場合、既定の場所はモデルのタスクによって決まります。明示的に指定した場合はそのフォルダーへ直接保存し、再利用もできます。同名の結果が上書きされる可能性に注意してください。

クラシックと異常検出の推論は出力ルート配下に独立した実験フォルダーを作成し、可視化と構造化結果を保存します。実際の出力先は完了ログで確認してください。

学習後の自動エクスポート¶

学習構成	正常終了後のエクスポート
4 種類のモダンアーキテクチャ	ONNX。物体検出・セグメンテーション・OBB は infer_cfg.yml、分類は Label.txt と前処理情報も出力します。
クラシック検出	model.pdmodel、model.pdiparams、パラメーター情報ファイル、infer_cfg.yml
クラシック分類	推論モデル、パラメーター、ImageSize.txt、デプロイ用 YAML、クラス一覧
異常検出	自己完結型の model.patchcore.pt。異常検出の推論フローを使用します。

モダン ONNX は既定でグラフを簡略化せず、onnxslim を自動インストールしません。OBB には NMS を組み込みません。クラシックのエクスポートは、今回の独立プロセス内で CPU を使用します。学習は GPU のままで構いません。学習終了後も「エクスポート中」と表示される場合があるため、結果が確定してからモデルをデプロイしてください。

学習の完了はエクスポートの完了を保証しません。クラシックのエクスポートに失敗しても学習重みと実験ファイル全体は保持します。export.json と生ログを確認し、再試行のために実験全体を削除しないでください。