Vision Model Tester

다양한 컴퓨터 비전 모델을 테스트할 수 있는 통합 애플리케이션입니다. 현재 YOLOv9와 RF-DETR 모델을 지원하며, ONNX Runtime을 통해 추론을 수행하고 egui 기반의 직관적인 GUI 인터페이스를 제공합니다.

🚀 주요 기능

🔍 객체 검출

통합 모델 지원: YOLOv9 (4가지 변형) + RF-DETR
- YOLOv9: GELAN-C, GELAN-E, YOLOv9-C, YOLOv9-E
- RF-DETR: Transformer 기반 정밀 검출 모델
COCO 데이터셋 클래스 지원 (YOLOv9: 80개, RF-DETR: 90개)
모델별 최적화된 입력 크기 (YOLOv9: 640x640, RF-DETR: 560x560)
신뢰도 임계값 및 NMS 임계값 조정 가능
Pre-NMS 데이터 캐싱으로 빠른 재처리
신뢰도 기반 바운딩 박스 색상 매핑
실시간 모델 전환 및 재추론

🖥️ GUI 인터페이스

egui 기반의 현대적인 사용자 인터페이스
자연로그 기반 세밀한 줌 제어
실시간 이미지 줌 및 패닝
검출 결과 테이블 형태 표시 (정렬, 필터링)
키보드 단축키 지원
바운딩 박스 색상 매핑 모드 선택
설정 패널 (임계값, 줌, 색상 모드)
드래그 앤 드롭으로 이미지 로드

💾 캐싱 시스템

SQLite 데이터베이스를 사용한 추론 결과 캐싱
이미지 해시 기반 중복 검출 방지
설정 가능한 캐시 정리 정책 (30일)
Pre-NMS 데이터 저장으로 NMS 재실행 최적화
강제 재추론 옵션

⚙️ 설정 관리

중앙화된 설정 시스템 (CONFIG 정적 인스턴스)
런타임 설정 변경 지원
모듈화된 설정 구조
컴파일 타임 상수 관리

🏗️ 통합 아키텍처

UnifiedInferenceEngine: 멀티 모델 추론 엔진
ObjectDetector Trait: 공통 인터페이스
Thread-safe 전역 엔진: OnceLock과 Mutex 사용
모듈화된 구조: models/yolov9, models/rf_detr
공통 타입 시스템: Detection, DetectionResult, ModelType

🎨 바운딩 박스 색상 시스템

고정 색상 모드: 모든 박스를 빨간색으로 표시
범위별 색상 모드: 5단계 색상 (파랑→초록→노랑→주황→빨강)
그라데이션 모드: 선형 색상 전환
HSV 기반 모드: 자연스러운 색상 전환 (기본값)

📁 프로젝트 구조

yolov9_onnx_test/
├── src/
│   ├── lib.rs          # 메인 라이브러리 및 통합 API
│   ├── main.rs         # 애플리케이션 진입점
│   ├── gui.rs          # egui 기반 통합 GUI
│   ├── models/         # 모델별 구현
│   │   ├── mod.rs      # 통합 인터페이스 및 공통 타입
│   │   ├── yolov9.rs   # YOLOv9 모델 구현
│   │   └── rf_detr.rs  # RF-DETR 모델 구현
│   ├── models.rs       # 임베디드 모델 관리
│   ├── config.rs       # 설정 관리 및 구조체
│   ├── error.rs        # 커스텀 에러 처리 (thiserror 사용)
│   └── utils.rs        # 유틸리티 함수들
│       ├── image_utils     # 이미지 처리 유틸리티
│       ├── math_utils      # 수학 계산 함수들 (IoU, 거리 등)
│       ├── fs_utils        # 파일 시스템 유틸리티
│       ├── perf_utils      # 성능 측정 도구
│       └── color_utils     # 색상 처리 유틸리티
├── Cargo.toml          # 프로젝트 의존성
├── Cargo.lock          # 의존성 잠금 파일
├── check.sh            # Linux/macOS 실행 스크립트
├── check.bat           # Windows 실행 스크립트
└── README.md           # 프로젝트 문서

중요: assets/models/ 폴더의 ONNX 파일은 컴파일 타임에 include_dir! 매크로로 바이너리에 임베딩됩니다. 따라서 빌드 전에 모델 파일을 assets/models/에 내려받아야 합니다.

🛠️ 설치 및 실행

요구사항

Rust 1.70+
Windows/macOS/Linux

모델 디렉토리 구조

모델들을 타입별로 하위 폴더에 구성합니다:

assets/models/
├── yolov9/
│   ├── gelan-c.onnx      # YOLOv9 GELAN-C
│   ├── gelan-e.onnx      # YOLOv9 GELAN-E
│   ├── yolov9-c.onnx     # YOLOv9-C
│   └── yolov9-e.onnx     # YOLOv9-E
└── rf-detr/
    └── rf-detr.onnx      # RF-DETR

모델 다운로드

YOLOv9 모델

출처: Hugging Face: Xenova/yolov9-onnx
설명: COCO 80 클래스 객체 검출, 640×640 입력

RF-DETR 모델

출처: Hugging Face RF-DETR ONNX 모델 페이지
설명: Transformer 기반 고정밀 검출, COCO 90 클래스, 560×560 입력

# 1) 디렉토리 생성
mkdir -p assets/models/yolov9 assets/models/rf-detr

# 2) YOLOv9 모델 다운로드
curl -L -o assets/models/yolov9/gelan-c.onnx https://huggingface.co/Xenova/yolov9-onnx/resolve/main/gelan-c.onnx
curl -L -o assets/models/yolov9/yolov9-c.onnx https://huggingface.co/Xenova/yolov9-onnx/resolve/main/yolov9-c.onnx
# 선택적으로 추가 다운로드
curl -L -o assets/models/yolov9/gelan-e.onnx https://huggingface.co/Xenova/yolov9-onnx/resolve/main/gelan-e.onnx
curl -L -o assets/models/yolov9/yolov9-e.onnx https://huggingface.co/Xenova/yolov9-onnx/resolve/main/yolov9-e.onnx

# 3) RF-DETR 모델 다운로드
curl -L -o assets/models/rf-detr/rf-detr.onnx https://huggingface.co/onnx-community/rfdetr_base-ONNX/resolve/main/onnx/model.onnx

모델 다운로드 방법

웹 브라우저: 위 Hugging Face 링크에서 직접 다운로드
명령줄: 위의 curl 명령어 사용
Git LFS: Hugging Face 저장소를 클론하여 가져오기

참고사항

RF-DETR 모델 크기: 약 103MB
YOLOv9 모델 크기: 97MB (GELAN-C) ~ 265MB (YOLOv9-E)
네트워크: 다운로드 시 안정적인 인터넷 연결 필요

빌드 시 해당 파일들이 존재해야 임베딩됩니다. 모델 파일명을 변경하지 말고 그대로 두는 것을 권장합니다.

🧠 통합 모델 상세 안내

🎯 모델 성능 비교

모델	파일명	크기	입력 크기	클래스 수	속도	정확도	메모리	추론시간 (M4)	권장 사용 사례
YOLOv9-GELAN-C	`gelan-c.onnx`	97MB	640×640	80	매우 빠름	높음	102MB	150-200ms	실시간, 모바일, 임베디드
YOLOv9-GELAN-E	`gelan-e.onnx`	222MB	640×640	80	빠름	높음	233MB	300-400ms	일반 실시간, 웹캠
YOLOv9-C	`yolov9-c.onnx`	195MB	640×640	80	보통	매우 높음	205MB	200-300ms	정확도-속도 균형, 범용
YOLOv9-E	`yolov9-e.onnx`	265MB	640×640	80	느림	최고	278MB	400-500ms	고정밀, 연구, 분석
RF-DETR	`rf_detr_model.onnx`	103MB	560×560	90	보통	매우 높음	108MB	350-450ms	Transformer 정밀 검출

지원 모델 및 특징

YOLOv9 계열: 640×640 입력, COCO 80 클래스, YOLOv9 출력 형식
RF-DETR: 560×560 입력, COCO 90 클래스 (1-90, background 제외), Transformer 출력

모델 선택 가이드

실시간 처리 (속도 우선): GELAN-C > YOLOv9-C > GELAN-E
정확도 우선: YOLOv9-E > RF-DETR > YOLOv9-C > GELAN-E
메모리 제약 환경: GELAN-C > RF-DETR > YOLOv9-C
Transformer 기반 고정밀: RF-DETR (연구, 분석용)
균형/기본 권장: YOLOv9-C (범용), RF-DETR (정밀)

플랫폼/런타임 참고

macOS: CoreML + ANE 가속 경로 사용(가능 시), CPU fallback 자동
기타 OS: CPU Execution Provider 사용, 스레드 설정으로 최적화
모델 파일은 빌드 시 임베딩되므로 파일 경로 의존 없이 동작

빌드

cargo build --release

실행

# Linux/macOS
./check.sh

# Windows
check.bat

# 또는 직접 실행
cargo run

🎮 사용법

기본 사용법

애플리케이션 실행
"Select Image" 버튼 클릭하여 이미지 선택
모델 선택 (임베디드된 ONNX 파일)
신뢰도 및 NMS 임계값 조정
바운딩 박스 색상 매핑 모드 선택
검출 결과 확인

줌 컨트롤

마우스 휠: 자연로그 기반 세밀한 줌 조정 (0.02 로그 단위)
Ctrl + Plus/Minus: 키보드 줌 (0.05 로그 단위)
0: 100% 줌으로 리셋
1: 50% 줌
2: 200% 줌
Fit: 화면에 맞춤
줌 범위: 0.1x - 20.0x (자연로그 기반)

설정 조정

Confidence Threshold: 검출 신뢰도 임계값 (0.1-1.0)
NMS Threshold: 중복 제거 임계값 (0.05-0.8)
Image Zoom: 이미지 확대/축소 (자연로그 기반 슬라이더)
Color Mapping Mode: 바운딩 박스 색상 매핑 방식

고급 기능

강제 재추론: 캐시 무시하고 새로 추론
Pre-NMS 캐싱: NMS 임계값 변경 시 빠른 재처리
테이블 정렬: 인덱스, 클래스, ID, 신뢰도별 정렬
선택적 표시: 신뢰도 기반 검출 결과 필터링

⚙️ 설정 시스템

설정 구조

pub struct AppConfig {
    pub model: ModelConfig,        // 모델 관련 설정
    pub inference: InferenceConfig, // 추론 관련 설정
    pub ui: UiConfig,              // UI 관련 설정
    pub database: DatabaseConfig,   // 데이터베이스 설정
}

주요 설정값들

모델 입력 크기: 640x640
기본 신뢰도 임계값: 0.6
기본 NMS 임계값: 0.2
최대 검출 개수: 50
줌 범위: 0.1x - 20.0x (자연로그 기반)
마우스 휠 줌 변화량: 0.02 (로그 공간)
키보드 줌 변화량: 0.05 (로그 공간)
기본 색상 모드: HSV 기반
파싱 최소 신뢰도: 0.05 (고급)

🔄 캐싱 시스템

데이터베이스 구조

CREATE TABLE inference_cache (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    image_path TEXT NOT NULL,
    image_hash TEXT NOT NULL,
    model_file_name TEXT NOT NULL,
    model_name TEXT NOT NULL,
    image_width INTEGER NOT NULL,
    image_height INTEGER NOT NULL,
    detections_json TEXT NOT NULL,
    created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
    UNIQUE(image_path, model_file_name)
);

캐시 기능

이미지 해시 기반 중복 검출
모델별 캐시 분리
자동 캐시 정리 (30일)
강제 재추론 옵션
Pre-NMS 데이터 저장으로 NMS 재실행 최적화
인덱스 기반 성능 향상 (예: idx_image_hash, idx_model_file)

🎨 바운딩 박스 색상 시스템

색상 매핑 모드

1. 고정 색상 모드 (Fixed)

모든 바운딩 박스를 빨간색으로 표시
가장 단순한 모드

2. 범위별 색상 모드 (Range-Based)

5단계 색상 구분:
- 0.0-0.2: 파랑 (낮은 신뢰도)
- 0.2-0.4: 초록
- 0.4-0.6: 노랑
- 0.6-0.8: 주황
- 0.8-1.0: 빨강 (높은 신뢰도)

3. 그라데이션 모드 (Gradient)

선형 색상 전환
신뢰도에 따른 부드러운 색상 변화

4. HSV 기반 모드 (HSV-Based) - 기본값

HSV 색상 공간을 활용한 자연스러운 전환
가장 시각적으로 매력적인 모드

색상 처리 유틸리티

// 범위별 색상
pub fn get_confidence_color(confidence: f32) -> Rgb<u8>

// 그라데이션 색상
pub fn get_confidence_color_gradient(confidence: f32) -> Rgb<u8>

// HSV 기반 색상
pub fn get_confidence_color_hsv(confidence: f32) -> Rgb<u8>

🧭 프로그램 실행 흐름 (Mermaid)

전체 흐름

flowchart TD
    A[프로그램 시작] --> B[GUI 초기화]
    B --> C[메인 윈도우 생성]
    C --> D[좌측 패널: 검출 결과]
    C --> E[우측 패널: 이미지 표시]

    F[이미지 선택 방법] --> G{선택 방식}
    G -->|파일 선택 버튼| H[파일 다이얼로그 열기]
    G -->|드래그 앤 드롭| I[이미지 파일 드롭]

    H --> J[이미지 파일 선택]
    I --> J
    J --> K[이미지 파일 읽기]
    K --> L{파일 읽기 성공?}
    L -->|실패| M[에러 메시지 표시]
    L -->|성공| N[ModelCache 초기화]

    N --> O{모델 캐시 생성 성공?}
    O -->|실패| P[캐시 초기화 에러 표시]
    O -->|성공| Q[Pre-NMS 추론/로드]

    Q --> R{DB 캐시 존재?}
    R -->|있음| S[Pre-NMS 결과 로드]
    R -->|없음| T[모델 추론 Pre-NMS 저장]

    S --> U[NMS 적용]
    T --> U[NMS 적용]
    U --> V[바운딩 박스 그리기]
    V --> W[결과 이미지 표시]

    M --> X[사용자 재시도 대기]
    P --> X
    X --> F

이미지 전처리 파이프라인

flowchart LR
    A[원본 이미지] --> B[종횡비 계산]
    B --> C[레터박싱 리사이징 640x640]
    C --> D[패딩/정규화]
    D --> E[HWC → CHW 변환]
    E --> F[ONNX 입력 텐서]

추론 및 후처리 파이프라인

flowchart LR
    A[ONNX 입력] --> B[YOLOv9 GELAN 추론]
    B --> C[출력 텐서 파싱]
    C --> D[신뢰도 필터링]
    D --> E[NMS 적용]
    E --> F[바운딩 박스 색상 매핑]
    F --> G[결과 이미지]

🚀 성능 최적화

추론 최적화

ONNX Runtime 최적화 레벨 설정 (Level1)
플랫폼별 최적화:
- macOS: CoreML + ANE (Apple Neural Engine) 활용
- 기타 플랫폼: CPU 최적화 (16 intra-threads, 8 inter-threads)
메모리 패턴 최적화
Pre-NMS 데이터 캐싱으로 NMS 재실행 최적화

GUI 최적화

자연로그 기반 줌 제어 (매우 세밀한 조정)
효율적인 이미지 렌더링
가상화된 테이블 표시
비동기 이미지 처리
색상 매핑 최적화

🐛 에러 처리

에러 타입 (`thiserror` 사용)

ImageError: 이미지 처리 오류
OrtError: ONNX 런타임 오류
DatabaseError: 데이터베이스 오류
ValidationError: 유효성 검사 오류
ConfigError: 설정 오류
CacheError: 캐시 오류

에러 처리 전략

패닉 방지: 모든 unwrap() 제거
Graceful degradation
사용자 친화적 에러 메시지
자동 복구 시도
상세한 로깅
커스텀 에러 타입으로 타입 안전성 확보

📊 성능 측정

측정 항목

추론 시간 (밀리초)
이미지 로딩 시간
GUI 렌더링 시간
캐시 히트율
색상 처리 성능

성능 최적화 팁

SSD 사용 권장
충분한 RAM 확보 (8GB+)
macOS에서 CoreML + ANE 활용
정기적인 캐시 정리
자연로그 줌으로 부드러운 사용자 경험

🔧 개발 정보

의존성

ort: ONNX Runtime
eframe/egui: GUI 프레임워크
image/imageproc: 이미지 처리
rusqlite: SQLite 데이터베이스
serde: 직렬화/역직렬화
thiserror: 커스텀 에러 처리
once_cell: 지연 정적 초기화
ndarray: 수치 계산
sha2: 해시 계산
include_dir: 컴파일 타임 파일 임베딩

빌드 최적화

[profile.release]
opt-level = 3
lto = true
codegen-units = 1
panic = "abort"

코드 구조 개선

모듈화: config, error, utils 모듈 분리
중앙화된 설정: CONFIG 정적 인스턴스
유틸리티 함수 분리: 공통 기능 모듈화
타입 안전성: 커스텀 에러 타입 사용
컴파일 타임 임베딩: 모델 파일을 바이너리에 포함
플랫폼별 최적화: macOS CoreML, CPU 최적화

📝 라이센스

이 프로젝트는 MIT 라이센스 하에 배포됩니다.

🤝 기여

버그 리포트, 기능 제안, 풀 리퀘스트를 환영합니다!

📞 지원

문제가 발생하면 이슈를 생성해 주세요.

Name		Name	Last commit message	Last commit date
Latest commit History 14 Commits
src		src
.gitignore		.gitignore
Cargo.lock		Cargo.lock
Cargo.toml		Cargo.toml
README.md		README.md
check.bat		check.bat
check.sh		check.sh

Folders and files

Latest commit

History

Repository files navigation

Vision Model Tester

🚀 주요 기능

🔍 객체 검출

🖥️ GUI 인터페이스

💾 캐싱 시스템

⚙️ 설정 관리

🏗️ 통합 아키텍처

🎨 바운딩 박스 색상 시스템

📁 프로젝트 구조

🛠️ 설치 및 실행

요구사항

모델 디렉토리 구조

모델 다운로드

YOLOv9 모델

RF-DETR 모델

모델 다운로드 방법

참고사항

🧠 통합 모델 상세 안내

🎯 모델 성능 비교

지원 모델 및 특징

모델 선택 가이드

플랫폼/런타임 참고

빌드

실행

🎮 사용법

기본 사용법

줌 컨트롤

설정 조정

고급 기능

⚙️ 설정 시스템

설정 구조

주요 설정값들

🔄 캐싱 시스템

데이터베이스 구조

캐시 기능

🎨 바운딩 박스 색상 시스템

색상 매핑 모드

1. 고정 색상 모드 (Fixed)

2. 범위별 색상 모드 (Range-Based)

3. 그라데이션 모드 (Gradient)

4. HSV 기반 모드 (HSV-Based) - 기본값

색상 처리 유틸리티

🧭 프로그램 실행 흐름 (Mermaid)

전체 흐름

이미지 전처리 파이프라인

추론 및 후처리 파이프라인

🚀 성능 최적화

추론 최적화

GUI 최적화

🐛 에러 처리

에러 타입 (thiserror 사용)

에러 처리 전략

📊 성능 측정

측정 항목

성능 최적화 팁

🔧 개발 정보

의존성

빌드 최적화

코드 구조 개선

📝 라이센스

🤝 기여

📞 지원

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

에러 타입 (`thiserror` 사용)

Packages