face recognition & emotion detetction

يركز المشروع على التعرف على الوجه والمشاعر باستخدام التعلم العميق، ويشمل جميع المراحل من إنشاء مجموعة البيانات إلى تطوير النموذج، تدريبه، وتقييمه. تم إنشاء مجموعة بيانات مخصصة باستخدام صور أعضاء الفريق لضمان قدرة النموذج على التعميم عبر تعابير الوجه المختلفة. يتم تنفيذ مهام المعالجة المسبقة باستخدام OpenCV، مثل تغيير الحجم، التطبيع، والتعزيز، مع إضافة تعديلات عشوائية مثل التدوير والترجمة لتحسين الأداء في السيناريوهات الواقعية.

يعتمد النموذج على TensorFlow وKeras باستخدام نهج التعلم متعدد المهام (Multi-task Learning)، حيث يتم مشاركة شبكة عصبية التفافية (CNN Backbone) بين مهام التعرف على الوجه والمشاعر، مما يعزز كفاءة التعلم واستغلال الموارد. يتكون النموذج من رأسين منفصلين لكل مهمة، مع استخدام طبقات متصلة بالكامل ذات تنشيط ReLU لاستخراج الميزات، وتنشيط Softmax للتصنيف.

لمنع الإفراط في التكيف (Overfitting)، تم تطبيق التوقف المبكر (Early Stopping)، مما يساعد في تحسين قدرة النموذج على التعميم. كما يتم عرض صور عشوائية أثناء التدريب لفهم أنماط التعلم الخاصة بالنموذج وتحسينه.

يضمن المشروع إمكانية إعادة الإنتاج من خلال حفظ وتحميل النموذج بكفاءة، مما يسهل الانتقال بين مراحل التدريب والاختبار والنشر. يعكس هذا المشروع خبرة قوية في تحليل الوجوه والتعلم العميق مع تركيز واضح على التطبيقات العملية في رؤية الحاسوب.