Facial-Expression Recognition — CNN & Real-Time Gradio Demo

نموذج تعلم عميق يتعرف على تعبير الوجه من صورة ويصنفه إلى واحد من خمسة مشاعر، هي الغضب والسعادة والحياد والحزن والاندهاش. ومعه واجهة ويب يرفع فيها المستخدم صورة فيرى أعلى 3 مشاعر متوقعة ونسبة كل منها.

كان هذا المشروع الختامي لمسار الذكاء الاصطناعي في Huawei ICT Academy مع المعهد القومي للاتصالات NTI، وبعده حصلت على شهادة HCIA-AI V4.0 بنتيجة 99%.

استخدمت Human Facial Expression Dataset من Kaggle. حولت الصور إلى تدرج رمادي بحجم 224×224 وأخذت 20% من بيانات التدريب للتحقق. وأثناء التدريب كانت الصور تُدوَّر وتُزاح وتُكبَّر وتُقلب أفقيا، حتى يرى النموذج الوجه في أوضاع مختلفة ولا يحفظ الصور نفسها.

صممت شبكة CNN من البداية بخمس طبقات التفاف يزيد فيها عدد الفلاتر من 64 حتى 512، وبعد كل طبقة Batch Normalization وMax Pooling. بعدها طبقة Dense من 512 وحدة مع Dropout بنسبة 0.6 لتقليل الـ Overfitting، ثم طبقة Softmax للمشاعر الخمسة.

دربت النموذج بمحسن Adam لمدة 100 دورة بدفعات من 64 صورة، واستخدمت ReduceLROnPlateau لتقليل معدل التعلم عندما يتوقف التحسن. تابعت منحنيات الدقة والخسارة للتدريب والتحقق، ووصلت دقة التحقق في آخر التدريب إلى 73%. ثم قيمت النموذج على 181 صورة اختبار منفصلة فكانت الدقة 81%.

الواجهة مبنية بمكتبة Gradio، والمشروع كله بلغة Python وTensorFlow/Keras على Google Colab.