Memory Studio

1. About

memory studio는 크게 두가지 폴더로 구성되어있습니다. face recognition은 ArcFace loss를 이용한 학습과 pretrained model을 불러와서 finetuning하는데 초점을 두었습니다.

service에는 Node.js를 구성하는 finalproject 폴더와 Flask api를 구성하는 deploy_ml 폴더로 되어있습니다.

Folder Structure

Face Recognition
├── Backbone
├── configs
└── docs
  ├── dataset.py
  ├── train.py
  ├── validation.py
  └── inference.py
  └── requirements.txt

Service
└── finalproject
  ├── node_modules
  ├── public
  ├── views
  ├── server.js
  └── package.json
  └── package-lock.json
└── deploy_ml
  ├── app.py
  └── requirements.txt

Website

Member

김우진	신건희	신중현	이종휘
https://github.com/w-jnn	https://github.com/Rigel0718	https://github.com/Blackeyes0u0	https://github.com/gndldl

---

2. Face Detection & Recognition

Backbone : 사용한 backbone model을 모아놓은 파일입니다.

configs : train.py에 대한 configs 파일입니다.

requirements.txt: 필요한 파이썬 라이브러리를 기술한 파일입니다.

train.py : config 파일과 함께 train 합니다.

2.1 Pretrained Models & Performance

Model(Backbone)	dataset	Accuracy	F1-score
Arcface(ResNet-18)	MS1MV3	0.5485	0.4579
Arcface(MobileNet)	face-emore	0.5321	0.4410
Arcface(ResNet-50)-scratch	Web-face	0.7812	0.7644
Facenet(Inception-ResNet)	VggFace2	0.8810	0.8262
Facenet(ResNet-50)-scratch	Web-face	0.7286	0.6227

2.2 How to use

• clone

  git clone https://github.com/deepinsight/insightface.git
  

2.3 Prepare Dataset ( For training)

download the refined dataset: (VGGFace2 recommended) VGGFace2 dataset [Visual Geometry Group]

• More Dataset please refer to the Department of Engineering Science, University of Oxford.

2.4 dataset structure

- facedataset/
         name1/
             photo1.jpg
             photo2.jpg
             ...
         name2/
             photo1.jpg
             photo2.jpg
             ...
         .....

2.5 Training:

python train.py configs/config

---

3. Service Architecture

v100서버에 Flask를 RESTful API로 구현하여 모델을 서빙하고 배포했습니다.

AWS Elastic Beanstalk를 사용하여 Node.js를 배포 했고, Flask api와 통신하고 있습니다.

MongoDB Atlas를 사용하여 클라우드 환경의 MongoDB를 연결하였습니다.

---

4. References

• This repo is mainly inspired by deepinsight/insightface and FaceNet