نموذج تعلم عميق للتعرف على المشاعر من الوجوه مع نشره عبر Flask

في هذا المشروع، قمت بتطوير نظام للتعرف على مشاعر الوجوه بالاعتماد على مجموعة بيانات FER2013، التي تحتوي على آلاف الصور المصنفة حسب المشاعر المختلفة. شمل العمل عدة مراحل: معالجة البيانات وتحسينها: طبّقت تقنيات تعزيز البيانات مثل التدوير، والانعكاس الأفقي، وتغيير الإضاءة، والقصّ، مما ساعد على تحسين أداء النموذج وزيادة تنوع البيانات المستخدمة في التدريب. تطوير النموذج: أنشأت نموذج شبكة عصبية التفافية (CNN) يتكون من عدة طبقات لاستخلاص الملامح الأساسية من الصور، مع استخدام تقنيات مثل Batch Normalization و Dropout لتقليل احتمالية فرط التعلّم (overfitting)، وانتهى النموذج بتحقيق دقة وصلت إلى 68%، وهي نتيجة قوية مقارنة بالتحديات التي يفرضها هذا النوع من البيانات. نشر النموذج باستخدام Flask: قمت بنشر النموذج عبر إطار عمل Flask، مع تطوير واجهة ويب تفاعلية تتيح للمستخدمين رفع الصور والحصول على التوقعات بشكل فوري، مما وفر وسيلة سلسة وسريعة لاختبار النموذج واستخدامه. التقنيات والأدوات المستخدمة: Python TensorFlow & Keras OpenCV Data Augmentation Techniques Flask (Web Deployment) HTML/CSS JavaScript للاطلاع على الكود المصدري، يمكن زيارة مستودع المشروع على GitHub عبر رابط العمل.