Emotion_Detector

Objectif :

Ce projet consiste à créer un détecteur d'émotions sur une image ou directement depuis une webcam. Le but étant de pouvoir détecter jusqu'à 7 émotions :

• Colère
• Dégoût
• Peur
• Joie
• Neutre
• Triste
• Surpris

Les données :

Pour ce projet, nous avons utilisé un jeu de donnée disponible dans le dossier dataset du repository. Il est composé de presque 36 000 images, déjà divisé en données de train, de test et par émotions.

Formation et entrainement du modèle :

L'entrainement du modèle a été réalisé sur Google Colab, service de Google permettant d'avoir accès gratuitement à un GPU sur machine virtuelle, augmentant ainsi nos temps de traitement.

Pour ce modèle, nous nous sommes tournés vers un réseau neuronal convolutif (CNN), efficace pour la classificaion d'images :

Notre modèle est composé d'une alternance de couches Conv2D, BatchNormalization, Conv2D, BatchNormalization, MaxPooling2D, Dropout puis de couches Dense.

• Conv2D, MaxPooling2D extraient les caractéristiques.
• BatchNormalization normalise les entrées
• Dropout abandonne de façon aléatoire certain noeuds du CNN afin d'éviter le sur-apprentissage
• Dense pour la classification.

Le notebook est disponible ici

Résultat

Au final, le modèle présente un précision de 68,8 %. Voici la matrice de confusion :

• 0 : Colère
• 1 : Dégoût
• 2 : Peur
• 3 : Joie
• 4 : Triste
• 5 : Surprise
• 6 : Neutre

Le modèle détecte plutôt bien les émotions neutre, joie, tristesse, colère et surprise mais semble plus en difficulté sur le dégoût et la peur.

Application

Pour tester la detection avec une camera le fichier est disponible ici