""" 시각화 모듈 평가 결과를 시각화하고 대시보드 및 리포트를 생성합니다. """ import numpy as np import matplotlib.pyplot as plt import seaborn as sns import plotly.graph_objects as go import plotly.express as px from plotly.subplots import make_subplots import plotly.offline as pyo from typing import Dict, List, Optional, Tuple import os import json from datetime import datetime import trimesh import open3d as o3d class Visualizer: """시각화를 담당하는 클래스""" def __init__(self, output_dir: str = "results"): """ 시각화 도구 초기화 Args: output_dir (str): 출력 디렉토리 """ self.output_dir = output_dir self.images_dir = os.path.join(output_dir, "images") self.reports_dir = os.path.join(output_dir, "reports") # 디렉토리 생성 os.makedirs(self.images_dir, exist_ok=True) os.makedirs(self.reports_dir, exist_ok=True) # matplotlib 스타일 설정 plt.style.use('seaborn-v0_8') sns.set_palette("husl") def plot_metrics_comparison(self, results: Dict, save_path: Optional[str] = None) -> None: """ 평가 지표 비교 차트를 생성합니다. Args: results (Dict): 평가 결과 save_path (Optional[str]): 저장 경로 """ metrics = results['metrics'] score_details = results['score_details'] # 서브플롯 생성 fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(15, 12)) # 1. 원본 지표 값 막대 차트 metric_names = list(metrics.keys()) metric_values = list(metrics.values()) bars1 = ax1.bar(metric_names, metric_values, color='skyblue', alpha=0.7) ax1.set_title('원본 지표 값', fontsize=14, fontweight='bold') ax1.set_ylabel('값') ax1.tick_params(axis='x', rotation=45) # 막대 위에 값 표시 for bar, value in zip(bars1, metric_values): ax1.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.01, f'{value:.3f}', ha='center', va='bottom') # 2. 정규화된 점수 막대 차트 normalized_scores = [details['normalized_score'] for details in score_details.values()] bars2 = ax2.bar(metric_names, normalized_scores, color='lightgreen', alpha=0.7) ax2.set_title('정규화된 점수 (0-100)', fontsize=14, fontweight='bold') ax2.set_ylabel('점수') ax2.set_ylim(0, 100) ax2.tick_params(axis='x', rotation=45) # 막대 위에 값 표시 for bar, score in zip(bars2, normalized_scores): ax2.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 2, f'{score:.1f}', ha='center', va='bottom') # 3. 가중치 적용 점수 막대 차트 weighted_scores = [details['weighted_score'] for details in score_details.values()] weights = [details['weight'] for details in score_details.values()] bars3 = ax3.bar(metric_names, weighted_scores, color='orange', alpha=0.7) ax3.set_title('가중치 적용 점수', fontsize=14, fontweight='bold') ax3.set_ylabel('가중 점수') ax3.tick_params(axis='x', rotation=45) # 막대 위에 가중치 표시 for bar, score, weight in zip(bars3, weighted_scores, weights): ax3.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.5, f'{score:.1f}\n(w:{weight})', ha='center', va='bottom', fontsize=9) # 4. 종합 점수 파이 차트 comprehensive_score = results['comprehensive_score'] grade = results['grade'] # 등급별 색상 설정 grade_colors = {'A': '#2e8b57', 'B': '#4169e1', 'C': '#ffa500', 'D': '#ff6347', 'F': '#dc143c'} ax4.pie([comprehensive_score, 100 - comprehensive_score], labels=[f'{grade}등급\n{comprehensive_score:.1f}점', ''], colors=[grade_colors.get(grade, '#666666'), '#f0f0f0'], autopct='%1.1f%%', startangle=90) ax4.set_title('종합 점수', fontsize=14, fontweight='bold') plt.tight_layout() # 저장 if save_path is None: save_path = os.path.join(self.images_dir, f"metrics_comparison_{datetime.now().strftime('%Y%m%d_%H%M%S')}.png") plt.savefig(save_path, dpi=300, bbox_inches='tight') plt.show() print(f"지표 비교 차트가 저장되었습니다: {save_path}") def visualize_3d_model(self, model: Dict, title: str = "3D Model", save_path: Optional[str] = None) -> None: """ 3D 모델을 시각화합니다. Args: model (Dict): 3D 모델 정보 title (str): 시각화 제목 save_path (Optional[str]): 저장 경로 """ try: vertices = model['vertices'] faces = model['faces'] if len(vertices) == 0: print("시각화할 정점이 없습니다.") return # trimesh를 사용한 3D 시각화 mesh = trimesh.Trimesh(vertices=vertices, faces=faces) # 3D 플롯 생성 fig = plt.figure(figsize=(12, 8)) ax = fig.add_subplot(111, projection='3d') # 메시 플롯 ax.plot_trisurf(vertices[:, 0], vertices[:, 1], vertices[:, 2], triangles=faces, alpha=0.8, cmap='viridis') # 바운딩 박스 표시 bbox = model.get('bounding_box', None) if bbox is not None: self._plot_bounding_box(ax, bbox) ax.set_title(title, fontsize=14, fontweight='bold') ax.set_xlabel('X') ax.set_ylabel('Y') ax.set_zlabel('Z') # 축 비율 동일하게 설정 self._set_equal_axes(ax, vertices) # 저장 if save_path is None: save_path = os.path.join(self.images_dir, f"3d_model_{datetime.now().strftime('%Y%m%d_%H%M%S')}.png") plt.savefig(save_path, dpi=300, bbox_inches='tight') plt.show() print(f"3D 모델 시각화가 저장되었습니다: {save_path}") except Exception as e: print(f"3D 모델 시각화 중 오류 발생: {e}") def create_performance_dashboard(self, results: Dict) -> str: """ 성능 대시보드를 생성합니다. Args: results (Dict): 평가 결과 Returns: str: 대시보드 HTML 파일 경로 """ # Plotly 대시보드 생성 fig = make_subplots( rows=2, cols=2, subplot_titles=('종합 점수', '지표별 점수', '가중치 분포', '성능 등급'), specs=[[{"type": "indicator"}, {"type": "bar"}], [{"type": "pie"}, {"type": "indicator"}]] ) # 1. 종합 점수 게이지 comprehensive_score = results['comprehensive_score'] fig.add_trace( go.Indicator( mode="gauge+number+delta", value=comprehensive_score, domain={'x': [0, 1], 'y': [0, 1]}, title={'text': "종합 점수"}, gauge={ 'axis': {'range': [None, 100]}, 'bar': {'color': "darkblue"}, 'steps': [ {'range': [0, 60], 'color': "lightgray"}, {'range': [60, 80], 'color': "yellow"}, {'range': [80, 100], 'color': "green"} ], 'threshold': { 'line': {'color': "red", 'width': 4}, 'thickness': 0.75, 'value': 90 } } ), row=1, col=1 ) # 2. 지표별 점수 막대 차트 score_details = results['score_details'] metric_names = list(score_details.keys()) normalized_scores = [details['normalized_score'] for details in score_details.values()] fig.add_trace( go.Bar( x=metric_names, y=normalized_scores, name="정규화된 점수", marker_color='lightblue' ), row=1, col=2 ) # 3. 가중치 분포 파이 차트 weights = [details['weight'] for details in score_details.values()] fig.add_trace( go.Pie( labels=metric_names, values=weights, name="가중치 분포" ), row=2, col=1 ) # 4. 성능 등급 표시 grade = results['grade'] grade_colors = {'A': '#2e8b57', 'B': '#4169e1', 'C': '#ffa500', 'D': '#ff6347', 'F': '#dc143c'} fig.add_trace( go.Indicator( mode="number", value=0, # 등급은 텍스트로 표시 title={'text': f"성능 등급: {grade}"}, number={'font': {'size': 50, 'color': grade_colors.get(grade, '#666666')}} ), row=2, col=2 ) # 레이아웃 업데이트 fig.update_layout( title_text="3D 객체인식 평가 대시보드", title_x=0.5, height=800, showlegend=False ) # HTML 파일로 저장 html_file = os.path.join(self.reports_dir, f"dashboard_{datetime.now().strftime('%Y%m%d_%H%M%S')}.html") fig.write_html(html_file) print(f"성능 대시보드가 생성되었습니다: {html_file}") return html_file def generate_html_report(self, results: Dict) -> str: """ HTML 형식의 상세 리포트를 생성합니다. Args: results (Dict): 평가 결과 Returns: str: HTML 리포트 파일 경로 """ html_content = f""" 3D 객체인식 평가 결과

3D 객체인식 평가 결과

평가 시간: {results['evaluation_timestamp']}

모델 파일: {os.path.basename(results['model_path'])}

참조 파일: {os.path.basename(results['reference_path'])}

{results['comprehensive_score']:.1f}점
종합 점수
{results['grade']}등급
성능 등급
{self._generate_metric_cards_html(results['score_details'])}

상세 결과

{self._generate_summary_table_html(results['score_details'])}
지표 원본 값 정규화 점수 가중치 가중 점수

이 리포트는 3D 객체인식 평가 시스템에 의해 자동 생성되었습니다.

생성 시간: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}

""" # HTML 파일로 저장 html_file = os.path.join(self.reports_dir, f"evaluation_report_{datetime.now().strftime('%Y%m%d_%H%M%S')}.html") with open(html_file, 'w', encoding='utf-8') as f: f.write(html_content) print(f"HTML 리포트가 생성되었습니다: {html_file}") return html_file def _plot_bounding_box(self, ax, bbox): """바운딩 박스를 플롯합니다.""" min_coords, max_coords = bbox # 바운딩 박스의 8개 꼭짓점 vertices = np.array([ [min_coords[0], min_coords[1], min_coords[2]], [max_coords[0], min_coords[1], min_coords[2]], [max_coords[0], max_coords[1], min_coords[2]], [min_coords[0], max_coords[1], min_coords[2]], [min_coords[0], min_coords[1], max_coords[2]], [max_coords[0], min_coords[1], max_coords[2]], [max_coords[0], max_coords[1], max_coords[2]], [min_coords[0], max_coords[1], max_coords[2]] ]) # 바운딩 박스의 12개 모서리 edges = [ [0, 1], [1, 2], [2, 3], [3, 0], # 하단 [4, 5], [5, 6], [6, 7], [7, 4], # 상단 [0, 4], [1, 5], [2, 6], [3, 7] # 수직 ] # 모서리 그리기 for edge in edges: points = vertices[edge] ax.plot3D(*points.T, color='red', linewidth=2, alpha=0.8) def _set_equal_axes(self, ax, vertices): """축 비율을 동일하게 설정합니다.""" max_range = np.array([vertices[:, 0].max() - vertices[:, 0].min(), vertices[:, 1].max() - vertices[:, 1].min(), vertices[:, 2].max() - vertices[:, 2].min()]).max() / 2.0 mid_x = (vertices[:, 0].max() + vertices[:, 0].min()) * 0.5 mid_y = (vertices[:, 1].max() + vertices[:, 1].min()) * 0.5 mid_z = (vertices[:, 2].max() + vertices[:, 2].min()) * 0.5 ax.set_xlim(mid_x - max_range, mid_x + max_range) ax.set_ylim(mid_y - max_range, mid_y + max_range) ax.set_zlim(mid_z - max_range, mid_z + max_range) def _generate_metric_cards_html(self, score_details: Dict) -> str: """지표 카드 HTML을 생성합니다.""" html = "" for metric_name, details in score_details.items(): html += f"""
{metric_name}
{details['normalized_score']:.1f}점
원본값: {details['raw_value']:.4f}
가중치: {details['weight']}
임계값: {details['threshold']}
""" return html def _generate_summary_table_html(self, score_details: Dict) -> str: """요약 테이블 HTML을 생성합니다.""" html = "" for metric_name, details in score_details.items(): html += f""" {metric_name} {details['raw_value']:.4f} {details['normalized_score']:.1f} {details['weight']} {details['weighted_score']:.2f} """ return html def create_comparison_chart(self, results_list: List[Dict], save_path: Optional[str] = None) -> None: """ 여러 모델의 평가 결과를 비교하는 차트를 생성합니다. Args: results_list (List[Dict]): 여러 평가 결과 리스트 save_path (Optional[str]): 저장 경로 """ if not results_list: print("비교할 결과가 없습니다.") return # 데이터 준비 model_names = [f"Model {i+1}" for i in range(len(results_list))] comprehensive_scores = [results['comprehensive_score'] for results in results_list] grades = [results['grade'] for results in results_list] # 서브플롯 생성 fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 6)) # 1. 종합 점수 비교 bars = ax1.bar(model_names, comprehensive_scores, color='lightblue', alpha=0.7) ax1.set_title('모델별 종합 점수 비교', fontsize=14, fontweight='bold') ax1.set_ylabel('종합 점수') ax1.set_ylim(0, 100) # 막대 위에 점수 표시 for bar, score in zip(bars, comprehensive_scores): ax1.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 1, f'{score:.1f}', ha='center', va='bottom') # 2. 등급 분포 grade_counts = {} for grade in grades: grade_counts[grade] = grade_counts.get(grade, 0) + 1 ax2.pie(grade_counts.values(), labels=grade_counts.keys(), autopct='%1.1f%%') ax2.set_title('성능 등급 분포', fontsize=14, fontweight='bold') plt.tight_layout() # 저장 if save_path is None: save_path = os.path.join(self.images_dir, f"model_comparison_{datetime.now().strftime('%Y%m%d_%H%M%S')}.png") plt.savefig(save_path, dpi=300, bbox_inches='tight') plt.show() print(f"모델 비교 차트가 저장되었습니다: {save_path}")