backend_app.py

import io
import torch
import torch.nn as nn
import torch.nn.functional as F
from torchvision import transforms
from PIL import Image
from flask import Flask, request, jsonify
from flask_cors import CORS # CORS도 미리 추가해 둡니다.

# ---------------------------
# 1. 모델 정의 (파일에 저장된 구조와 이름으로 수정됨)
# ---------------------------
class EmotionCNN(nn.Module):
    def __init__(self, num_classes=3):
        super(EmotionCNN, self).__init__()
        
        # 'features.0' 대신 'conv1' (32 채널)
        self.conv1 = nn.Conv2d(3, 32, 3, padding=1)
        
        # 'features.3' 대신 'conv2' (64 채널)
        self.conv2 = nn.Conv2d(32, 64, 3, padding=1)
        
        # 'features.6' (128 채널)은 파일에 없으므로 삭제합니다.
        
        # nn.Sequential에 없던 헬퍼 모듈들
        self.relu = nn.ReLU()
        self.pool = nn.MaxPool2d(2, 2)
        self.dropout = nn.Dropout(0.5)

        # 128x128 이미지가 2번의 pool을 거치면 32x32가 됩니다.
        # conv2의 채널이 64이므로, flatten된 크기는 (64 * 32 * 32) 입니다.
        
        # 'classifier.0' 대신 'fc1'
        self.fc1 = nn.Linear(64 * 32 * 32, 256)
        
        # 'classifier.3' 대신 'fc2'
        self.fc2 = nn.Linear(256, num_classes)

    # forward 함수도 Sequential 대신 수동으로 작성
    def forward(self, x):
        # 128x128 -> 64x64
        x = self.pool(self.relu(self.conv1(x)))
        
        # 64x64 -> 32x32
        x = self.pool(self.relu(self.conv2(x)))
        
        # (3번째 conv 레이어 없음)

        # Flatten
        x = x.view(x.size(0), -1)
        
        # Classifier
        x = self.relu(self.fc1(x))
        x = self.dropout(x)
        x = self.fc2(x)
        return x


# ---------------------------
# 2. 학습된 모델 로드
# ---------------------------
MODEL_PATH = "emotion_cnn_model.pth"
device = torch.device("cpu")

# 이제 이 모델 구조는...
model = EmotionCNN(num_classes=3).to(device)

try:
    # ...이 state_dict와 완벽히 일치합니다!
    state_dict = torch.load(MODEL_PATH, map_location=device)
    model.load_state_dict(state_dict)
    model.eval()
    print("모델 로드 성공! (구조 일치)")
except Exception as e:
    # 이 부분은 이제 실행되지 않아야 합니다.
    print(f"모델 로드 실패: {e}")

class_names = ['Calm', 'Energetic', 'Happy']

# ---------------------------
# 3. 이미지 전처리
# ---------------------------
transform = transforms.Compose([
    transforms.Resize((128, 128)),
    transforms.ToTensor(),
])

# ---------------------------
# 4. Flask 앱 정의
# ---------------------------
app = Flask(__name__)
CORS(app) # CORS 허용

@app.route("/predict", methods=["POST"])
def predict():
    if "image" not in request.files:
        return jsonify({"error": "image 파일이 없습니다. form-data에 'image'로 보내줘야 합니다."}), 400

    file = request.files["image"]

    try:
        img = Image.open(file.stream).convert("RGB")
    except Exception as e:
        return jsonify({"error": f"이미지 로드 실패: {str(e)}"}), 400

    # 전처리
    img_tensor = transform(img).unsqueeze(0).to(device)

    # 추론
    with torch.no_grad():
        outputs = model(img_tensor)
        probs = torch.softmax(outputs, dim=1)[0].cpu().tolist()
        pred_idx = int(torch.argmax(outputs, dim=1))

    result = {
        "predicted_label": class_names[pred_idx],
        "probabilities": {
            class_names[i]: float(probs[i]) for i in range(len(class_names))
        }
    }

    return jsonify(result)


@app.route("/", methods=["GET"])
def health_check():
    return jsonify({"status": "ok", "message": "EmotionCNN backend v2 (구조 수정됨) running"})

# 이 파일은 'flask run' 명령어로 실행되므로 __main__ check는 필요 없습니다.