Este projeto consiste-se na detecção de emoções a partir da webcam, é util caso seja utilizado como complemento de algum sistema, possibilitando a detecção da emoção de um usuário acerca de uma determinada atualização no software, ou satisfação na utilização de alguma funcionalidade contida no sistema.
É uma técnica muito específica de Machine Learning, e consequentemente de Inteligência artificial. É uma maneira de implementar a técnica específica, que usa as chamadas redes neurais artificiais, correspondentes a uma classe de algoritmos de machine learning. Sendo assim, temos que Deep Learning, é uma técnica de Machine Learning, baseada em redes neurais artificiais.
No contexto de inteligência artificial e aprendizagem de máquina, uma Rede Neural Convolucional (Do inglês - Convolutional Neural Network) é uma classe de rede neural artificial do tipo feed-forward, que vem sendo aplicada com sucesso no processamento e análise de imagens digitais. Neste projeto fora utilizado o MobileNet. Mobilenet é uma simplificação de redes neurais para possibilitar o seu uso em aplicações web. Eles foram inicialmente projetados para economizar recursos computacionais. O nível de precisão de uma MobileNet é menor que as redes neurais tradicionais, para agilizar o tempo de processamento e economizar recursos.
TensorFlow é uma biblioteca de código aberto para aprendizado de máquina aplicável a uma ampla variedade de tarefas. É um sistema para criação e treinamento de redes neurais para detectar e decifrar padrões e correlações, análogo, porém não idêntico à forma como humanos aprendem e raciocinam. Ele é usado tanto para a pesquisa quanto produção no Google. O TensorFlow foi desenvolvido para ter suporte de várias linguagens. A linguagem suportada e utilizada neste projeto foi o JavaScript, porém o melhor suporte obtido pela biblioteca é na linguagem Python.
Entre na pasta app e execute o comando:
docker-compse up --build
Em outro terminal, entre na pasta server e execute o mesmo comando:
docker-compse up --build
Acesse a porta 8080:
Faça o treinamento selecioando as opções: Angry, Neutral ou Happy. Em seguida vá para o modo de teste, clique no botão 'Treine o modelo' e o resultado aparecerá logo abaixo, existe um dashboard com a contagem dos resultados.
Para acessar o dashboard acesse com a rota:
A equipe traçou os seguintes objetivos de evolução para o projeto:
-
Lançar v0.2 - No atual momento, para realizar um treinamento, as imagens devem ser tiradas pelo próprio usuário. A ideia é que no futuro, assim que o programa for inicializado, ele utilize um banco de imagens para realizar um treinamento automático.
-
Lançar v0.3 - O passo seguinte seria realizar o deploy da aplicação, para que seja possível os usuários contribuirem com o treinamento, tornando nossa base imagens maior e a classificação cada vez melhor, além de facilitar o acesso dos usuários a aplicação.
Caso queira ajudar na evolução do projeto, confira o tópico Quero ajudar! Como contribuir?
| Membro | Github | Matricula | |
|---|---|---|---|
| Lucas Siqueira | [email protected] | lucassiqz | 15/0137567 |
| Lucas Lermen | [email protected] | lucasLermen | 16/0012961 |
| Lucas Macedo | [email protected] | lukassxp | 15/0137397 |
| Matheus Rodrigues | [email protected] | matheus-rn | 16/0015294 |
| Vitor Leal | [email protected] | vitorl-s | 16/0148375 |
Sua ajuda é muito bem vinda! O guia com todos os passos para contribuir ao Emotion se encontra aqui e não esqueça de seguir nosso código de conduta, para conferir basta clicar aqui.
Esse projeto utiliza a licença MIT. Para mais informações clique aqui
https://en.wikipedia.org/wiki/Convolutional_neural_network
https://en.wikipedia.org/wiki/TensorFlow
https://www.sas.com/pt_br/insights/analytics/deep-learning.html
https://blog.fellyph.com.br/javascript/o-que-e-mobilenet/
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent