oarriaga/face_classification
Face Classification
Ce projet est un système de classification faciale par deep learning qui détecte les visages humains et classifie le genre et l'émotion. Il utilise des réseaux de neurones convolutifs et des outils de vision par ordinateur pour analyser les attributs faciaux dans des images statiques et des flux vidéo en direct.
Le système inclut des classificateurs spécialisés pour les émotions basés sur le jeu de données FER2013 et pour le genre basés sur les jeux de données IMDB. Ces modèles sont intégrés dans un service web conteneurisé, permettant d'exposer la logique de classification sous forme d'API qui traite les données d'image via des requêtes réseau.
La surface technique couvre l'ensemble du pipeline, de l'entraînement de modèles personnalisés avec Keras à la détection de visages en temps réel avec OpenCV. Cela inclut l'implémentation d'un pipeline vidéo pour le traitement continu des images et l'utilisation de cascades de Haar pour localiser les visages.
Features
- Emotion Classifiers - Classifies human emotions and gender from images and live video using deep learning networks.
- Face Detection - Identifies human faces within live video streams to prepare data for downstream attribute analysis.
- Custom Model Training - Implements custom training pipelines using Keras to create gender and emotion classification models from labeled image datasets.
- Attribute Classifiers - Combines face detection with Keras-based CNNs to classify gender and emotion.
- Facial Emotion Classifiers - Provides a vision tool that identifies human emotions based on the FER2013 dataset.
- Facial Expression Recognition - Analyzes facial muscle patterns to categorize emotional states and gender using trained neural networks.
- Gender Predictions - Implements a neural network trained on IMDB datasets to predict the gender of subjects in photographs.
- CNN Architectures - Implements convolutional neural network architectures to extract visual patterns for gender and emotion classification.
- Computer Vision - Implements computer vision capabilities for facial recognition and classification deployed as a web service.
- Keras Model Implementations - Utilizes the Keras API to implement and train deep learning architectures for facial attribute classification.
- Cascade Classifier Detections - Uses OpenCV Haar cascade classifiers to locate human faces by scanning for edge and line patterns.
- Real-Time Facial Recognition - Performs low-latency identification of emotions and gender from live video streams.
- Face Recognition and Analysis - Detects human faces and analyzes associated attributes like gender and emotion within image frames.
- Real-Time Model Inference on Frames - Implements a high-speed video pipeline that runs model inference on every frame of a live camera stream.
- Model Training Implementations - Implements the training of custom classification models for gender and emotion using Keras and labeled datasets.
- Image Classification APIs - Ships a RESTful API that accepts image data and returns classification results for facial attributes.
- Containerized Service Deployments - Packages the classification service within containers to ensure consistent deployment and inference across environments.
- Inference APIs - Exposes the facial analysis model as a web service that accepts image data and returns classification results.
- Age gender estimation - Listed in the “Age gender estimation” section of the Ailia Models awesome list.
