1. 프로젝트 개요 (Overview)

• 주제: 딥러닝 기반의 반려견 비문(코 무늬) 생체 인식 시스템
• 목적: 유실견 방지 및 기존 인식표(마이크로칩, 태그)의 한계 보완
• 핵심 내용: 강아지의 고유한 비문 패턴을 분석하여 개체를 식별합니다. Siamese Network 구조를 기반으로 두 이미지의 유사도(Cosine Similarity)를 계산하여 동일 개체 여부를 정밀하게 판별합니다.

2. 주요 성과 (Key Results)

• 모델 성능: Validation Set 기준 ROC AUC 0.9995, F1 Score 0.9305 달성
• 비교 우위: 기존 SOTA 모델인 EfficientNet-B4 대비 더 높은 정확도와 현저히 낮은 오분류율(False Positive/Negative)을 기록하여 실사용 환경에서의 신뢰성 확보.

3. 사용 기술 (Tech Stack)

• Language: Python 3.10
• Deep Learning Framework: PyTorch, timm (PyTorch Image Models)
• Model Architecture: SEResNeXt50-IBN-Custom (ResNeXt + SE Block + IBN Block)
• Preprocessing: OpenCV (CLAHE, Sobel Edge Detection), Albumentations
• Backend/Serving: FlaskAPI
• Tools: WandB (Experiment Tracking), Docker

4. 상세 기능 및 특징 (Features & Details)

4.1. Custom Backbone Model (SEResNeXt50-IBN)

• ResNeXt50 아키텍처를 베이스로 두 가지 핵심 모듈을 통합하여 성능을 극대화했습니다.
• IBN (Instance-Batch Normalization) Block: 이미지의 스타일(조명, 색감) 변화에 강건한 특징(Invariant Feature)을 추출하기 위해 적용.