ML aplicado
Repositorio de GitHubPlataforma de reconocimiento de expresiones faciales
De experimentos con modelos a predicciones comparables dentro de una interfaz utilizable.
Contexto: Producto de machine learning aplicado
Periodo: 2025-11 a 2026-02
Resumen
El proyecto compara baselines HOG/LBP con SVM frente a modelos ResNet y EfficientNet dentro de un flujo común de entrenamiento, validación e inferencia. FastAPI y React permiten utilizar los modelos registrados fuera de los notebooks.
De una imagen facial a la clasificación de la expresión
Imagen
Una muestra entra desde el navegador o la evaluación
Preprocesamiento
Las transformaciones preparan entradas consistentes
Inferencia
Modelos clásicos y CNN producen probabilidades
FastAPI
El servicio expone las operaciones de los modelos
Resultado
La interfaz presenta clase y confianza
Qué gestiona el sistema
Compara características clásicas y SVM con modelos CNN.
Utiliza las familias ResNet y EfficientNet.
Cubre entrenamiento, validación, comparación y predicción.
Convierte experimentos offline en una aplicación local interactiva.
Resultados de validación medidos
Artefactos de la evaluación reducida; valores de precisión redondeados a dos decimales.
Precisión LBP + SVM
0,32
Evaluación reducida
Precisión HOG + SVM
0,38
Evaluación reducida
Precisión ResNet50
0,57
Evaluación reducida
Precisión EfficientNet-B0
0,58
Evaluación reducida
Precisión del ensemble
0,59
Evaluación reducida
Tecnología
Stack
Áreas
Implementación verificada
Los modelos están conectados a un flujo de evaluación
El repositorio lleva los modelos registrados por entrenamiento, validación, comparación, informes y serving.
Baselines clásicos
Características HOG y LBP con clasificadores RBF SVM.
Familias CNN
Flujos de entrenamiento y validación para ResNet y EfficientNet.
Informes de evaluación
Resultados legibles por máquinas y personas.
Inferencia utilizable
FastAPI ofrece predicciones y React presenta comparaciones.
Conclusiones
- Las CNN superaron los baselines clásicos y el ensemble mejoró ligeramente el mejor modelo individual.
- FastAPI y React convierten la comparación en un flujo de inferencia utilizable.
- Los resultados clasifican expresiones visibles dentro del alcance definido del modelo.
¿Quieres revisar la implementación?
El repositorio contiene el código, las instrucciones de configuración y el historial de desarrollo.