ImageNet pretrained EfficientNet-B0
  → Deep Armocromia base training  (소스 도메인: 유럽인 얼굴, ~4,000장)
  → Korean celebrity fine-tuning   (타겟 도메인: 한국 셀럽, ~2,368장)

전처리: MTCNN 얼굴 검출 → BiSeNet 피부 마스킹 (머리카락·눈·입술 제거)
정규화: Mixup (α=0.2), Label smoothing (0.1), Strong augmentation
TTA: 6-crop 평균 (center crop + horizontal flip × 3 scale)

파일 구성

파일	설명
`personal_color_korean_tuned_v2.pt`	메인 모델 — 최고 성능 fine-tuned 체크포인트
`deep_armocromia_efficientnet_b0_base_rgb.pt`	Base 체크포인트 (Deep Armocromia 학습)
`src/infer_personal_color.py`	단일 이미지 추론 스크립트
`src/evaluate_personal_color.py`	테스트셋 평가 스크립트
`PROGRESS_SNAPSHOT.md`	전체 실험 기록 요약

사용 방법

설치

pip install timm torch torchvision huggingface_hub

빠른 추론

python

import torch
import timm
from PIL import Image
from torchvision import transforms
from huggingface_hub import hf_hub_download

# 모델 로드
LABEL_ORDER = ["spring_warm", "summer_cool", "autumn_warm", "winter_cool"]
LABEL_KO    = ["봄웜", "여쿨", "가을웜", "겨울쿨"]

ckpt_path = hf_hub_download(
    "jiwoonkim00/personal-color-classifier",
    "personal_color_korean_tuned_v2.pt"
)

model = timm.create_model("efficientnet_b0.ra_in1k", pretrained=False, num_classes=4)
ckpt  = torch.load(ckpt_path, map_location="cpu")
model.load_state_dict(ckpt["model_state_dict"])
model.eval()

# 전처리
tf = transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]),
])

# 추론
img   = Image.open("face.jpg").convert("RGB")   # 얼굴이 크롭된 이미지
x     = tf(img).unsqueeze(0)
with torch.no_grad():
    probs = torch.softmax(model(x), dim=1).squeeze()

pred  = probs.argmax().item()
print(f"예측: {LABEL_KO[pred]} ({LABEL_ORDER[pred]})")
print(f"확신도: {probs[pred]:.1%}")

추론 스크립트 사용 (얼굴 자동 검출 포함)

bash

# 추가 패키지 필요
pip install facenet-pytorch opencv-python-headless

python src/infer_personal_color.py \
  --image path/to/image.jpg \
  --checkpoint personal_color_korean_tuned_v2.pt

출력 예시:

예측 결과: 여쿨 (summer_cool)
확신도: 0.84 (confident)

전체 확률:
  봄웜 (spring_warm): 0.06
  여쿨 (summer_cool): 0.84  ← 예측
  가을웜 (autumn_warm): 0.04
  겨울쿨 (winter_cool): 0.06

확신도 정책

확신도	등급	처리
≥ 0.70	confident	결과 신뢰
0.55 ~ 0.70	moderate	참고 수준
< 0.55	low	재촬영 또는 수동 보정 권장

한계 및 주의사항

한국 셀럽 스크린샷 기반 데이터 — 메이크업·조명·편집 편향 존재
가을웜(autumn_warm) ↔ 봄웜(spring_warm) 혼동이 가장 잦음 (둘 다 웜톤)
프로토타입/포트폴리오 실험 목적으로 개발됨
임상·전문가 수준의 퍼스널컬러 진단 도구로 사용 불가
전문 진단이 필요한 경우 자격을 갖춘 퍼스널컬러 전문가에게 문의하세요

데이터셋

데이터셋	용도	이미지 수
Korean Celebrity (자체 수집)	Fine-tuning	~2,368장
Deep Armocromia	Base training	~4,920장

모델 아키텍처

백본: efficientnet_b0.ra_in1k (timm)
파라미터: 약 5.3M
입력: 224 × 224 RGB (피부 마스킹 적용 얼굴 이미지)
출력: 4-class softmax