---
title: Backend Project
emoji: 🚀
colorFrom: blue
colorTo: indigo
sdk: docker
pinned: false
---

# 🚀 Face Similarity API (FastAPI)

ยินดีต้อนรับสู่ระบบ Backend สำหรับวิเคราะห์และเปรียบเทียบใบหน้าครับ โปรเจกต์นี้ถูกออกแบบมาให้รันบน Hugging Face Spaces โดยใช้ Docker.

## 🛠️ Tech Stack
* **Framework:** FastAPI (Python 3.11).
* **Database:** SQLAlchemy (Raw SQL).
* **Security:** Argon2id & JWT Authentication.
* **ML Models:** ConvNeXt & InceptionV3.

## 💻 การพัฒนาและคำสั่งที่สำคัญ (Development Commands)

ในการพัฒนาโปรเจกต์นี้ เราใช้ `uv` สำหรับจัดการ Python environment และ dependencies:

### 1. การจัดการ Environment & Dependencies
* `uv sync`: ติดตั้ง dependencies ทั้งหมดที่ระบุในไฟล์ `pyproject.toml`.
* `uv add <package>`: เพิ่ม package ใหม่เข้าไปในโปรเจกต์.

### 2. การรันเซิร์ฟเวอร์ (Running Server)
* `uv run uvicorn app.main:app --reload`: รันเซิร์ฟเวอร์สำหรับพัฒนา (Development Server) โดยจะรีสตาร์ทอัตโนมัติเมื่อมีการแก้ไขโค้ด.
* `--host 0.0.0.0 --port 8000`: (ตัวเลือกเสริม) กำหนด host และ port.

### 3. การจัดการฐานข้อมูล (Database Migrations)
เราใช้ **Alembic** ในการควบคุมเวอร์ชันของฐานข้อมูล:
* `alembic upgrade head`: อัปเดตโครงสร้างฐานข้อมูล (Schema) ให้เป็นเวอร์ชันล่าสุด.
* `alembic revision --autogenerate -m "comment"`: สร้างไฟล์ migration ใหม่โดยอัตโนมัติจากการตรวจสอบความเปลี่ยนแปลงใน `models`.
* `alembic downgrade -1`: ย้อนกลับโครงสร้างฐานข้อมูลไป 1 เวอร์ชัน.

### 4. การทดสอบ (Testing)
* `pytest`: รันการทดสอบทั้งหมดในโฟลเดอร์ `tests/`.

## 📁 โครงสร้างโปรเจกต์ (Project Structure)
* `app/api/`: จัดการ Endpoints และ API Logic ทั้งหมด แบ่งเป็นเวอร์ชัน (v1).
* `app/crud/`: ตรรกะการจัดการฐานข้อมูล (Create, Read, Update, Delete) โดยใช้ Raw SQL ร่วมกับ SQLAlchemy.
* `app/models/`: การนิยาม Schema ของตารางฐานข้อมูลด้วย SQLAlchemy Models.
* `app/schemas/`: การนิยาม Data Model สำหรับการรับ-ส่งข้อมูล (Validation) ด้วย Pydantic.
* `app/services/`: ส่วนการประมวลผลหลักของระบบ:
    * `prediction_service.py`: การทำ ML Inference ด้วย TensorFlow.
    * `storage_service.py`: การจัดการไฟล์บน Cloudflare R2 (S3 Compatible).
    * `encoding_service.py`: การแปลงข้อความเป็น Vector และในทางกลับกัน.
    * `cosine_similarity_service.py`: การคำนวณความคล้ายคลึงของใบหน้า.
* `alembic/`: เก็บไฟล์เวอร์ชันของฐานข้อมูล (Database Migration Scripts).
* `tests/`: ไฟล์สำหรับทดสอบระบบ (Unit & Integration Tests).

## 🌐 System URLs
* **Live API (Production):** `https://jetsada117-backend-project.hf.space/`
* **Interactive Documentation (Scalar):** `https://jetsada117-backend-project.hf.space/scalar`
* **Alternative Documentation (Swagger UI):** `https://jetsada117-backend-project.hf.space//docs`

## 📊 Data Structure (25-Dimensional Vector)
ระบบจะแปลงผลลัพธ์จากการทำนายหรือคำบรรยายให้กลายเป็น Vector ขนาด 25 มิติ เพื่อใช้คำนวณความคล้ายคลึง (Similarity Score):
* **Age (6 มิติ):** [2-6, 7-12, 13-25, 26-40, 41-65, 66+]
* **Gender (2 มิติ):** [ชาย, หญิง]
* **Hair Color (3 มิติ):** [ดำ, น้ำตาล, อื่นๆ]
* **Hair Style (2 มิติ):** [สั้น, ยาว]
* **Eyebrows (4 มิติ):** แยกตามรูปทรงคิ้ว
* **Skin Tone (4 มิติ):** แยกตามเฉดสีผิว
* **Beard (4 มิติ):** แยกตามลักษณะหนวดเครา

## 🔒 Security & Performance
* **Authentication:** ใช้ **Argon2id** ในการแฮชรหัสผ่านและ **JWT (JSON Web Token)** สำหรับการเข้าถึงทรัพยากร.
* **OTP Verification:** ระบบส่งรหัสยืนยันตัวตนผ่าน Gmail SMTP เพื่อความปลอดภัยในการสมัครสมาชิก.
* **Cold Start Optimization:** มีระบบ Dummy Inference เพื่อวอร์มโมเดล (Warm-up) ทำให้ลดเวลาการประมวลผลครั้งแรกจาก 35 วินาที เหลือเพียง 3-4 วินาที.

## 🛡️ Role-Based Access
* **Admin:** สามารถจัดการข้อมูลและดูสถิติทั้งหมดได้.
* **User:** สามารถใช้งานการทำนายและค้นหาใบหน้าที่คล้ายกันได้.