https://github.com/njmarko/2face-verification

Microservice AI Neural Network Tensorflowjs face (YOLO object) detection Two-factor deep learning (TensorFlow) authentication in Spring, Vue, and Flask with face verification based on logistic regression and cosine similarity in high dimensional vector space.
https://github.com/njmarko/2face-verification

ai deep-learning face-detection face-verification facelandmarkdetect facenet flask keras linus-torvalds microservices mongodb netflix-eureka postgresql resnet-50 spring-framework tensorflow tensorflowjs vggface vue yolo

Last synced: 3 months ago
JSON representation

Microservice AI Neural Network Tensorflowjs face (YOLO object) detection Two-factor deep learning (TensorFlow) authentication in Spring, Vue, and Flask with face verification based on logistic regression and cosine similarity in high dimensional vector space.

• Host: GitHub
• URL: https://github.com/njmarko/2face-verification
• Owner: njmarko
• Created: 2021-05-27T12:50:15.000Z (over 3 years ago)
• Default Branch: main
• Last Pushed: 2021-07-04T20:53:08.000Z (over 3 years ago)
• Last Synced: 2024-10-11T16:05:32.604Z (3 months ago)
• Topics: ai, deep-learning, face-detection, face-verification, facelandmarkdetect, facenet, flask, keras, linus-torvalds, microservices, mongodb, netflix-eureka, postgresql, resnet-50, spring-framework, tensorflow, tensorflowjs, vggface, vue, yolo
• Language: Python
• Homepage:
• Size: 19.5 MB
• Stars: 7
• Watchers: 3
• Forks: 0
• Open Issues: 1
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# 2FAce-verification

Predmetni projekat iz predmeta Osnovi računarske inteligencije (ORI) - 2FA sistem zasnovan na neuronskim mrežama za detekciju i verifikaciju lica.

## Članovi tima

 * Marko Njegomir

 * Dušan Erdeljan

## Sadržaj

 * [Poster](#poster)

 * [Izgled aplikacije](#izgled-aplikacije)

 * [Pokretanje projekta](#pokretanje-projekta)

   * [Preduslovi](#preduslovi)

   * [Pokretanje](#pokretanje)

     * [Frontend](#frontend)

     * [Eureka server](#eureka-server)

     * [Bekend](#bekend)

     * [Servis(i) za verifikaciju lica](#servis-za-verifikaciju-lica)

     * [Tensorboard](#tensorboard)

## Poster



  

  
Ilustracija 1 - Poster projekta.


## Izgled aplikacije



  

  
Ilustracija 2 - Stranica za prijavljivanje.




  

  
Ilustracija 3 - Stranica za registraciju.


## Pokretanje projekta

### Preduslovi

Za pokretanje projekta potrebno je instalirati `Pg Admin` (https://www.pgadmin.org/) i `MongoDB Server` (https://www.mongodb.com/try/download/community). Zatim je potrebno napraviti Postgre bazu sa nazivom `2FAce`. `Python` verzija na kojoj je projekat testiran je `3.8`.

### Pokretanje

Potrebno je pokrenuti sve projektu u navedenom redosledu (bitno je pokrenuti eureka server pre bekend aplikacije i servisa za verifikaciju lica).

#### Frontend

Iz `2face-frontend` foldera potrebno je pokrenuti komandu `npm ci` (samo pre prvog pokretanja), a zatim pokrenuti komandu `npm run serve`. Frontend aplikacija će biti startovana na adresi `http://localhost:8080/`.

#### Eureka server

Eureka server je moguće pokrenuti iz nekog razvojnog okruženja ili pokretanjem komande `.\mvnw spring-boot:run` iz foldera `eureka-server`. Ovim je eureka server pokrenut i registrovani servisi se mogu videti na adresi `http://localhost:8761/`.

#### Bekend

Bekend aplikaciju je moguće pokrenuti iz nekog razvojnog okruženja ili pokretanjem komande `.\mvnw spring-boot:run` iz foldera `2face-backend`.

#### Servis za verifikaciju lica

Pre pokretanja servisa za verifikaciju lica potrebno je instalirati sve biblioteke iz fajla `face-verification-service/requirements.txt`. Poželjno je pre instalacije podesiti virtuelno okruženje. Servise za verifikaciju lica je moguće pokrenuti iz nekog razvojnog okruženja, čime će im biti dodeljen podrazumevani port `8181`. Dodatno, servise je moguće pokrenuti pokretanjem komande `python ./flask_verification_service.py --port ` iz foldera `face-verification-service/src`. Ovim će servis biti pokrenut na prosleđenom portu.

#### Tensorboard

Za pokretanje tensorboard aplikacije koja prikazuje rezultate prikupljene prilikom treniranja modela za verifikaciju potrebno je pozicionirati se u folder `face-verification-service/src` i pokrenuti komandu 

`tensorboard --logdir logs/fit`. Tensorboard je nakon toga moguće koristiti na adresi `http://localhost:6006/`.