🎤 周杰倫種族分類 PK 大賽

📖 專案摘要

本專案是一個基於深度學習的互動式人臉辨識遊戲應用程式，靈感來源於蔡炎龍老師的 AI-Demo 專案中的 【Demo03v】和AI_PK看誰比較會認IVE成員.ipynb。我們將原本的 Jupyter Notebook 改編為完整的 Web 應用程式，使用 InsightFace 的 buffalo_l 模型進行高精度人臉特徵提取與辨識，並透過 Streamlit 框架建構直觀友善的使用者介面。

專案的核心概念是「人機對決」——使用者與 AI 系統同時觀看測試照片，競賽誰能更準確地辨識出照片中的人物類別。系統會即時顯示雙方的答案與信心度，讓使用者能直觀地理解 AI 的判斷邏輯。透過這種互動方式，不僅讓人臉辨識技術變得生動有趣，也能幫助使用者了解深度學習模型的實際運作效果與限制。

本專案採用模組化架構設計，包含核心的人臉辨識模組（face_recognition.py）與前端介面模組（app.py），支援自定義訓練資料與測試資料，使用者可以輕鬆擴充到任何人物分類場景。目前預設包含三個類別（Cookies 呂、何呂、周杰倫）的範例資料，展示了系統在多人臉辨識任務中的優異表現。專案已部署至 GitHub 與 Streamlit Cloud，提供完整的文件與快速開始指南，適合作為深度學習入門與實務應用的學習範例。

---

基於蔡炎龍老師的 AI Demo 專案改編，使用 InsightFace 進行人臉辨識，與 AI 一起 PK 誰比較會認人！

🔗 專案連結

• GitHub 倉庫: https://github.com/Ben-programmer/HW4

📋 專案說明

這是一個互動式人臉辨識遊戲，您可以：

• 訓練 AI 辨識不同的人物（目前包含：Cookies 呂、何呂、周杰倫）
• 與 AI 進行 PK 比賽，看誰的辨識能力更強
• 使用 Streamlit 建立友善的網頁介面

🚀 快速開始

1. 安裝相依套件

pip install -r requirements.txt

2. 準備訓練資料

在 photos/ 資料夾中建立子資料夾，每個子資料夾代表一個分類：

photos/
  ├── category1/
  │   ├── image1.jpg
  │   ├── image2.jpg
  │   └── ...
  ├── category2/
  │   ├── image1.jpg
  │   └── ...
  └── ...

3. 準備測試資料

在 test_photos/ 資料夾中建立相同的子資料夾結構：

test_photos/
  ├── category1/
  │   ├── test1.jpg
  │   └── ...
  ├── category2/
  │   ├── test1.jpg
  │   └── ...
  └── ...

4. 執行應用程式

streamlit run app.py

應用程式將在瀏覽器中自動開啟（預設：http://localhost:8501）

📂 專案結構

周杰倫種族分類PK/
├── app.py                 # Streamlit 主程式
├── face_recognition.py    # 人臉辨識核心模組
├── requirements.txt       # Python 相依套件
├── README.md             # 專案說明文件
├── photos/               # 訓練照片資料夾
│   └── [分類名稱]/
├── test_photos/          # 測試照片資料夾
│   └── [分類名稱]/
└── .streamlit/           # Streamlit 設定
    └── config.toml

🎮 遊戲玩法

1. 初始化：系統會自動載入訓練資料並建立人臉特徵資料庫
2. 開始遊戲：點擊「下一題」按鈕開始新回合
3. 選擇答案：查看照片後選擇您認為的答案
4. 查看結果：系統會顯示正確答案以及您和 AI 的得分
5. 繼續挑戰：持續進行直到測試照片用完

🛠️ 技術架構

• 人臉辨識：InsightFace (buffalo_l 模型)
• 前端框架：Streamlit
• 影像處理：OpenCV, Pillow
• 深度學習：ONNX Runtime
• 數據處理：NumPy

📝 自訂專案

修改分類名稱

在 app.py 中修改 CATEGORIES_DISPLAY 變數：

CATEGORIES_DISPLAY = {
    'cookieslu': 'Cookies 呂',
    'helu': '何呂',
    'jay': '周杰倫',
    # ... 新增更多分類
}

調整辨識閾值

在 face_recognition.py 中修改 recognize_face 函數的 threshold 參數：

def recognize_face(image_path, threshold=0.6):  # 降低閾值讓辨識更寬鬆
    # ...

🙏 致謝

本專案參考自蔡炎龍老師的 AI-Demo 專案，特別是：

• 【Demo03v】和AI_PK看誰比較會認IVE成員

感謝老師提供的優秀教學範例！

📄 授權

本專案僅供學習使用。