(CatHealth) DB 및 배치 설정 관련 성능 저하 원인 해결

jhj

2026년 07월 10일

CatHealth▼

데이터베이스 포맷 교체(SQLite) 및 배치 최적화 이후, 모델 변경이 없었음에도 매칭 정확도가 급감한 현상의 근본 원인(BGR/RGB 채널 교차 오류) 규명 및 교정 조치 보고.

기존 레거시 동작:
- 등록(Register): OpenCV cv2.imread로 단일 이미지 적재 후 PIL Image.fromarray 거쳐 전처리 수행. OpenCV의 기본 BGR 출력을 PIL이 RGB로 인식해 R(Red) 및 B(Blue) 채널이 뒤바뀐 채 가중치 모델에 주입됨
- 예측(Predict): 동영상 프레임 크롭 단계에서도 BGR numpy array 상태로 PIL을 호출하여 동일하게 채널이 오폭 스왑된 채 추론됨
- 결과: 비정상 데이터 분포였으나 Gallery(DB)와 Query(실시간 입력) 양측 모두 채널 스왑 상태의 일관성을 유지해 비정상적인 상태에서도 매칭이 동작함
배치 처리 최적화 도입 이후 동작:
- 등록(Register): 대량 이미지 고속 적재를 위해 배치 학습 로직으로 전환하면서 PIL Image.open().convert('RGB') 표준 파일 로딩 사용. DB에 정상적인 RGB 정합성의 특징 벡터 축적 완료
- 예측(Predict): 예측 크롭 연산부는 기존 OpenCV 기반 슬라이싱을 유지하여 채널이 뒤바뀐 BGR 정보로 임베딩을 연산함
- 결과: 정상 RGB 분포의 Gallery DB와 BGR 스왑 상태의 Query 벡터 간의 매칭 시도로 피처 공간 불일치가 유발되어 인식률 급락 초래

ReIdPredictor 초기화 단계에서 DB 조회를 위한 extractor.store.get_all() 호출 시 model_name 매개변수 누락
SQLite DB 내 적재된 다양한 백본 모델 또는 가중치 버전의 특징 정보가 함께 로딩되는 오염 현상 발생
임베딩 차원수 불일치 시 vstack 병합 단계에서 프로그램이 강제 크래시를 일으키며, 차원이 유사한 경우 이종 모델 벡터 간 충돌로 오인식 가중

numpy ndarray 유입 시 BGR 3채널 검사 후 채널 순서를 반전하여 정상 RGB 배열로 변환하도록 보정 완료 (메모리 복사 방지를 위한 슬라이싱 활용)

elif isinstance(im, np.ndarray):
    if im.ndim == 3 and im.shape[2] == 3:
        im = im[:, :, ::-1]  # BGR에서 RGB로 교정
    im = Image.fromarray(im)

reid/models/reid/predict.py의 쿼리 호출부에 현재 활성화된 모델 고유 속성(model_name) 인자 주입 강제화
```
embeddings, labels = extractor.store.get_all(model_name=extractor.cfg.model_name)
```
타 모델 적재 내역 식별 시 경고 출력 및 재정렬 유틸리티 가이드 메시지 송출 구현

reid/cli.py 내 register 실행 분기 분석을 거쳐 디렉토리뿐 아니라 단일 이미지 경로도 올바르게 파악하여 처리하도록 호환성 수정

컬러 스페이스 상호 연동 정합성 사전 검증:
- OpenCV(BGR 출력)와 PIL/torchvision(RGB 입력) 라이브러리 간 교차 변환 발생 시 채널 순서 교정 검증 필수화
- 가공 이미지 전송 전 차원 및 첫/마지막 채널의 원시 데이터 대조 확인
데이터 아키텍처 스키마 및 가중치 버전 결합 관리:
- 백본 구조 갱신 및 프로젝션 레이어 재학습 시 임베딩 물리적 특성이 변경되므로 DB의 model_name 필드로 데이터 정합성을 항시 강제 분할 관리 요망
마이그레이션 도구 적극 사용:
- 모델 가중치(.pth) 업데이트 및 이미지 가공 로직 수정 시, 기존 DB는 폐기 후 reid migrate 명령을 호출하여 원본 리소스 기반 신규 임베딩 재빌드 절차 수행 필요

Contents