AAC Scene Recognition AI

학습을 완료한 CLIP 기반 장면 분류 모델을 FastAPI로 제공합니다. 백엔드는 이미지를 전송하고, API는 장면 이름과 예측 확률을 반환합니다.

분류 클래스

• Cafe
• Convenience Store
• Hospital
• Pharmacy
• Public Transport
• Restaurant

구성

app/main.py            FastAPI 서버 및 추론 로직
models/clip.py         학습에 사용한 CLIPClassifier 정의
weights/best_model.pt  학습 완료 체크포인트

서버 시작 시 weights/best_model.pt를 한 번만 메모리에 로드합니다. CUDA를 사용할 수 있으면 GPU를, 아니면 CPU를 사용합니다.

실행

pip install -r requirements.txt
uvicorn app.main:app --reload

서버가 실행되면 Swagger UI는 http://127.0.0.1:8000/docs에서 확인할 수 있습니다.

API

GET /

API 접속 여부를 확인합니다.

{
  "message": "AAC Scene Recognition API"
}

GET /health

서버 상태를 확인합니다.

{
  "status": "ok"
}

POST /predict

multipart/form-data의 file 필드로 이미지(JPEG, PNG, WebP, BMP)를 전송합니다.

curl -X POST "http://127.0.0.1:8000/predict" \
  -H "accept: application/json" \
  -F "file=@sample.jpg"

응답 예시:

{
  "scene": "Cafe",
  "score": 0.93
}

• scene: 가장 높은 확률의 분류 클래스
• score: 해당 클래스의 softmax 확률(소수점 넷째 자리까지)

유효하지 않은 파일은 400, 이미지가 아닌 업로드는 415를 반환합니다. 프런트엔드/백엔드의 다른 Origin 연동을 위해 CORS를 허용합니다.