はじめに

前回の記事では Azure Machine Learning Studio の Notebook 上で Anomalib を使い、PatchCore による画像の異常検知モデルを学習させました。今回はその続編として、「学習済みの重みを使って推論まで持っていく」までのメモです。

やりたいこと：学習済み PatchCore モデル (model.ckpt) を使って、任意の画像を推論したい
最初の試み：Docker 環境で実行 → 依存関係インストールに時間がかかり断念
切り替え：Google Colab に移行して実行。なんとか成功

異常検知の PoC や検証で「まず一枚だけでもいいから推論してみたい」ときに、参考になればうれしいです。

対象読者

ValueError: Category 'bottle' not found in the input path で詰まった方へ

実行環境

項目	内容
実行環境	Google Colab（GPUなしでも動作）
モデル重み	`/content/drive/MyDrive/Colab Notebooks/ckpts/model.ckpt`
入力画像	`/content/drive/MyDrive/Colab Notebooks/dataset-hack.png`

1. ローカル Docker でやろうとした話（うまくいかなかった）

まずは手元の Docker 環境で実行しようとしました。
依存関係は anomalib の pyproject.toml から引っ張ってきてインストール。…しかし、時間がかかりすぎて断念。

回線がのんびり屋さんでした。素直に Colab に切り替えることに。

2. Colab セットアップ（省略）

依存関係のインストールなどはここでは割愛。PyTorch、lightning、anomalib、timm あたりを揃えれば動きます。

3. モデル読み込み & 推論用データセット作成

以下のように、事前に学習した重みを読み込み、単一画像を PredictDataset に包んで推論しました。

from anomalib.models import Patchcore
from anomalib.data import PredictDataset
from anomalib.engine import Engine
from pathlib import Path

# モデル読み込み
ckpt_path = "/content/drive/MyDrive/Colab Notebooks/ckpts/model.ckpt"
model = Patchcore.load_from_checkpoint(ckpt_path)

# 単一画像のデータセット化
image_path = "/content/drive/MyDrive/Colab Notebooks/dataset-hack.png"
dataset = PredictDataset(
    path=Path(image_path),
    image_size=(256, 256),  # 学習時と合わせる
)

# 推論実行
engine = Engine()
predictions = engine.predict(model=model, dataset=dataset)

4. 結果の保存先と可視化

推論結果の画像は以下のようなパスに保存されていました：

/content/results/Patchcore/MVTec/bottle/latest/images/dataset-hack.png

おわりに：得られたことと次のステップ

PatchCore の学習済み重みを Colab 上で読み込み、任意画像 1 枚の推論まで確認できた
推論結果の保存先も特定でき、可視化まで一通り完了
次は、Docker 環境でもサクッと推論できるように整えていきたい

参考リンク