Django 최종 팀 프로젝트
DeepFace 조사
- stream()을 쓰는 것과 analyze()를 쓰는 것 비교: stream()의 정확도가 좀 더 높음. 둘 사이의 속도 차는 유의미하지 않음 (컴퓨터 사양에 따라 속도가 다름)
- stream()의 경우 return 값이 없어 None 이므로 return 값이 있도록 DeepFace 패키지 안 코드를 수정함: 튜터님 도움을 받아서. 코드를 타고 타고 들어가 수정하는 것. 실제 현업에서는 많이 하게 될 일이라고 하셨음.
- gpt-4o를 DeepFace와 비교: 속도나 정확도 면에서 더 나은지 알아보기 위해 이미지 url을 넣어 사진 분석을 해봄. 사진 넣어서 분석 시에 정확한 나이 값을 반환해 주지 않고 '정확한 나이를 알기 어렵다' 라는 식의 답변이 대부분. 그나마 나이를 반환하는 하나의 경우 60~70대 사이라고 범위로 응답을 받음. 따라서 gpt-4o는 나이 파악에 사용하지 않기로 결정.
- opencv 외의 모델 사용 검토: 팀원이 opencv로 실행되지 않아 retinaface로 얼굴 인식을 하도록 설정해주어 확인. 얼굴 감지가 더 잘 되는 듯 하고 나이의 정확도가 좀 더 높은 것 같아 추후 각 모델을 테스트해보기로 함.
데이터 스키마 설정
- admin: model만 User 모델을 이용해 설정해 주고 app은 필요 없음
- menus: model 설정해주고, 해시태그로 각 메뉴를 분류해주기 위해 manytomany 테이블 별도 생성할 예정
- orders: 들어온 주문을 저장해줌.
error 수정
- 팀원이 deepface 프로그램을 실행하는 과정에서 오류가 발생함. 파이썬 자체에 설치된 경우 가상환경 on/off 와 상관없이
pip list로 확인 가능하다. 따라서 파이썬 자체적으로 패키지가 설치되면서 실행에 오류가 생길 경우에 파이썬을 삭제하고 다시 까는 방향으로 해결할 수 있음.
발전 중...