flicker-detector-gpu 0.1.1

GPU flicker detection via PredNet SavedModel (dvdface/next-frame-predict): CLI, web server, HTTP client.

flicker-detector-gpu

安装后提供三个命令行入口（Windows 下为 Scripts 目录中的 gpu-flicker-detector.exe、gpu-flicker-detector-server.exe、gpu-flicker-detector-client.exe）：本地检测、启动带 Web 界面的服务、以及作为客户端调用已运行的服务。

pip install flicker-detector-gpu

---

gpu-flicker-detector（本地检测）

在本地直接跑 PredNet 推理，将结果写入 JSON 文件。

常用参数

参数	说明
--type	必填。dir：单层目录内图片（自然排序）；video：单个视频；sequence：多张图片，每个文件一次 --input
--input	必填，可重复。dir/video 各 1 个路径；sequence 至少 4 个图片路径（GPU 版 PredNet 滑动窗为 4 帧）
--output	必填。输出 JSON 路径（父目录不存在时会创建）
--fps	仅视频：覆盖 FPS，0 表示从容器读取
--frame-interval-ms	dir / sequence：大于 0 时，用 帧索引 × 毫秒 作为时间戳
--model-dir	SavedModel 目录；省略时使用环境变量或自动下载（需网络时可配置 Hub 令牌等）
--threshold	异常阈值，默认 0.025（与训练时多层预测误差加权损失同量纲，需按模型自行标定）
--layer-loss-weights	逗号分隔浮点，须与模型层数一致；默认 1,0.1,0.1,0.1
--write-pred-frames DIR	若指定，将每帧 PredNet 预测 RGB 存为 DIR 下 pred_00000.png 等

支持的视频扩展名示例：.mp4、.webm、.mov、.mkv、.avi、.m4v。

最少帧数：任意模式均需至少 4 帧，否则进程以非零退出并在 stderr 说明原因。

退出码

• 0：成功写出 --output
• 2：输入/模型/参数等错误（详情在 stderr）

输出 JSON（--output）

顶层字段：

字段	含义
version	结果格式版本号（整数）
input_type	dir | video | sequence
findings	异常区段列表（见下）
frame_scores	逐帧分数与阈值信息（见下）
pred_frames	仅当使用 --write-pred-frames 时出现：预测图相对路径与帧索引、时间

findings[] 每项（合并后的连续异常段）：

• flash_type：固定为 PredNet 异常类型标识
• scene：场景标签（当前为 STABLE）
• start_time_ms / end_time_ms：区段起止时间（毫秒）
• during_time_ms：持续时间
• video_start_time_ms / video_end_time_ms：相对序列起点的时间
• start_frame / end_frame：帧索引
• path_start / path_end：起止帧对应的路径或标签
• score_peak：该段内峰值分数
• metric：分数名称（prednet_total，与训练 val_loss 量纲一致）

frame_scores：

• values：每帧一个浮点分数（与 metric 一致）
• metric：prednet_total
• threshold：使用的阈值
• max_value：全序列最大分数（若无有效值则为 null）

---

gpu-flicker-detector-server（HTTP 服务 + 界面）

启动 FastAPI 服务；若本机已安装 Docker Compose v2 且能找到项目内 compose 文件，默认优先用 Docker 拉起 GPU 镜像，否则在本机用 Uvicorn 直接跑 API。

参数

参数	说明
--host	监听地址；默认来自 FLICKER_DETECTOR_BIND / FLASH_DETECTOR_BIND，再否则 127.0.0.1
--port	端口；默认来自 FLICKER_DETECTOR_PORT / FLASH_DETECTOR_PORT，再否则 8765
--docker-build	仅在 Docker 模式下：启动前执行 docker compose up --build

常用环境变量

变量	作用
FLICKER_DETECTOR_USE_DOCKER	设为 0 / false / no / off 时强制本机 Uvicorn，不尝试 Docker
FLICKER_DETECTOR_COMPOSE_DIR	含 docker-compose.yml 的目录（否则自动在包内 deploy、仓库根、cwd 等查找）
FLICKER_DETECTOR_WEB_DATA / FLASH_DETECTOR_WEB_DATA	数据根目录（上传、SQLite 等）；默认当前工作目录下 flicker_detector_web_data
FLICKER_DETECTOR_ARGV_JSON	JSON 字符串数组，自定义检测子进程 argv（最高优先级）
FLICKER_DETECTOR_EXE	指定检测可执行文件路径（不设则默认 python -m flicker_detector_gpu.cli）
FLICKER_DETECTOR_RELOAD	设为 1 时仅在本机 Uvicorn 下开启代码热重载

启动成功后，在浏览器打开 http://<host>:<port>/（本机默认 http://127.0.0.1:8765/）。若已构建并打包前端静态资源，根路径会提供 SPA。

Web 界面说明

顶部导航为 「闪屏检测」 品牌与两个入口：

路由	说明
/ 工作台	创建检测任务：上传视频或图片（文件夹/多图），查看任务列表与状态
/reports 检测记录	历史任务与统计趋势等报表视图
/job/:jobId	单个任务的详情页（从列表或链接进入）

界面通过同源的 /api/* 与后端通信；CLI 客户端则使用下文 gpu-flicker-detector-client 访问同一套 API。

---

gpu-flicker-detector-client（调用远程服务）

向已运行的 gpu-flicker-detector-server 创建任务、轮询状态，结束时将 完整任务 JSON 打印到标准输出或写入文件。

参数

参数	说明
--url	服务根地址，默认 http://127.0.0.1:8765
--mode	必填。video：1 个视频路径；sequence：至少 4 个图片路径；folder：1 个目录（递归收集图片，至少 4 张）
--poll	轮询间隔（秒），默认 0.5
--timeout	等待任务结束的最长时间（秒），默认 7200
--http-timeout	单次 HTTP 超时（秒），默认 60
--upload-timeout	POST /api/jobs 超时（秒），默认 3600
-o / --output	将最终 JSON 写入文件
-q / --quiet	减少控制台输出
--skip-health	跳过启动时的 GET /api/health
位置参数 paths	由 --mode 决定数量与含义（见上）

输出

• 默认（非 -q）：先打印 /api/health 的 JSON（除非 --skip-health），再打印 job_id 与轮询过程中的 [status] stage 行。
• 任务结束后：打印 完整任务对象 JSON（与 -o 写入文件内容相同），字段含 status（如 done / failed）、stage、结果与错误信息等（与 Web 详情一致）。

退出码

码	含义
0	任务成功完成（status == done）
1	任务结束但失败
2	HTTP 错误或响应异常
3	命令行路径 / 模式校验失败
4	等待结果超时

---

更完整的部署、Docker、开发与模型说明见仓库根目录 README.md。