2026-2-HAI-ProjectTeam3

얼굴 사진에서 나이를 추정하고, 같은 인물의 다양한 연령대 모습을 생성하는 연령 변환 포토부스 프로젝트입니다.

주요 기능

기능	모델·학습 방식	현재 상태
나이 추정	MobileNetV3-Large를 AI Hub 데이터로 전체 파인튜닝	전처리·학습·평가·ONNX 코드 구현, 실제 학습 전
연령 변환	Realistic Vision + IP-Adapter FaceID + Age LoRA	설계 완료, 구현 예정

전체 흐름: 얼굴 검출·정렬 → 나이 추정 → 목표 연령 설정 → 연령 변환 이미지 생성

파일 구조

age/                         # 나이 추정 파이프라인
  acquire.py                 # 공개 데이터 다운로드 유틸리티 (AI Hub 학습에는 불필요)
  setup_models.py            # 얼굴 검출·정렬용 모델 다운로드
  prep.py, face.py            # 데이터 준비·얼굴 검출·정렬
  model.py, dataset.py        # MobileNet 모델·학습 데이터 로더
  train.py, evaluate.py       # 학습·성능 평가
  export_onnx.py, infer.py    # ONNX 내보내기·나이 추론
  smoke.py                   # 합성 입력으로 학습·ONNX 흐름 검증
  common.py, __init__.py      # 공통 유틸리티·패키지 초기화
tests/                       # 나이 추정·얼굴 전처리 코드 테스트
docs/                        # 구현 상태·서버 안내·전체 설계
data/README.md               # 데이터 준비 안내 (데이터는 별도)
requirements.txt             # 기본 의존성
requirements-insightface.txt # 전체 InsightFace SDK 사용 시 선택 의존성
.gitignore                   # 데이터·가중치·실행 결과 제외
README.md                    # 프로젝트 소개·실행 안내

연령변환 실행 코드는 아직 없으며, 계획은 docs/superpowers/specs/에 있습니다.

나이 추정 실행

CUDA 지원 PyTorch와 가상환경을 준비한 뒤 실행합니다. AI Hub 이미지와 JSON은 data/raw/aihub/에 별도로 배치합니다.

pip install -r requirements.txt
python -m age.setup_models
python -m age.prep --source aihub --raw-root data/raw/aihub --device cpu
python -m age.train --device cuda

학습 결과는 outputs/age/aihub/에 저장됩니다. 데이터·가중치·학습 결과는 Git에 포함하지 않습니다.

테스트

의존성 설치 후 실행합니다.

python -m unittest discover -s tests -v
python -m age.smoke

tests/는 코드 동작을 검사하며, 모델·데이터가 필요한 일부 검사는 파일이 없으면 건너뜁니다. age.smoke는 합성 입력으로 학습·ONNX 변환을 검증합니다. 실제 나이 추정 성능은 학습 후 별도 test 데이터로 평가합니다. smoke 재실행 시에는 새로운 --output 경로를 지정합니다.

자세한 설치·평가·ONNX 사용법은 서버 실행 안내, 전체 설계는 설계 문서를 참고하세요.