ML applicato
Repository GitHubPiattaforma di riconoscimento delle espressioni facciali
Dagli esperimenti sui modelli a previsioni confrontabili in un'interfaccia utilizzabile.
Contesto: Prodotto di machine learning applicato
Periodo: 2025-11 a 2026-02
Riepilogo
Il progetto confronta baseline HOG/LBP e SVM con modelli ResNet ed EfficientNet in un flusso comune di training, validazione e inferenza. FastAPI e React rendono utilizzabili i modelli registrati fuori dai notebook.
Da un'immagine facciale alla classificazione dell'espressione
Immagine
Un campione arriva dal browser o dalla valutazione
Preprocessing
Le trasformazioni preparano input coerenti
Inferenza
Modelli classici e CNN producono probabilità
FastAPI
Il servizio espone le operazioni dei modelli
Risultato
L'interfaccia presenta classe e confidenza
Cosa gestisce il sistema
Confronta feature classiche e SVM con CNN.
Usa le famiglie ResNet ed EfficientNet.
Copre training, validazione, confronto e previsione.
Trasforma esperimenti offline in un'applicazione locale interattiva.
Risultati di validazione misurati
Artefatti della valutazione ridotta; accuratezze arrotondate a due decimali.
Accuratezza LBP + SVM
0,32
Valutazione ridotta
Accuratezza HOG + SVM
0,38
Valutazione ridotta
Accuratezza ResNet50
0,57
Valutazione ridotta
Accuratezza EfficientNet-B0
0,58
Valutazione ridotta
Accuratezza ensemble
0,59
Valutazione ridotta
Tecnologia
Stack
Aree
Implementazione verificata
I modelli sono collegati a un flusso di valutazione
Il repository porta i modelli da training e validazione fino a confronto, report e serving.
Baseline classiche
Feature HOG e LBP con classificatori RBF SVM.
Famiglie CNN
Training e validazione per ResNet ed EfficientNet.
Report di valutazione
Risultati leggibili da macchine e persone.
Inferenza utilizzabile
FastAPI prevede e React presenta i confronti.
Conclusioni
- Le CNN hanno superato le baseline classiche e l'ensemble ha migliorato leggermente il miglior modello singolo.
- FastAPI e React rendono il confronto un flusso di inferenza utilizzabile.
- I risultati classificano espressioni visibili entro l'ambito definito del modello.
Vuoi esaminare l'implementazione?
Il repository contiene codice sorgente, istruzioni di configurazione e cronologia dello sviluppo.