Piattaforma di Face Emotion Detection & Recognition
Nel contesto in cui le emozioni svolgono un ruolo cruciale, il progetto SocraTech rappresenta una pietra miliare nell'ambito della rilevazione emotiva in tempo reale. Il nostro obiettivo principale è stato la creazione di un prodotto che fonde il rigoroso approccio scientifico con tecnologie all'avanguardia, mettendo al centro la privacy dei dati.
Facial Emotion Recognition (FER)
è una branca della computer vision che si occupa di identificare e interpretare le espressioni facciali di un individuo al fine di determinare lo stato d’animo. Questo campo di ricerca ha un’ampia gamma di applicazioni, tra cui l’interazione uomo-macchina, la rilevazione di emozioni in contesti di sorveglianza, la valutazione delle risposte emotive degli utenti durante l’interazione con sistemi digitali e molto altro. L’obiettivo principale del riconoscimento delle emozioni è quello di sviluppare modelli di intelligenza artificiale in grado di comprendere e interpretare i segnali emotivi trasmessi attraverso l’espressione facciale. Questa capacità di analisi può consentire ai sistemi di interazione uomo-macchina di adattarsi in modo intelligente alle emozioni dell’utente, migliorando l’esperienza complessiva e consentendo una comunicazione più naturale e personalizzata. Nel contesto del presente lavoro, abbiamo sviluppato un modello di deep learning basato su una rete neurale convoluzionale (CNN) per svolgere il task di Emotion Detection Recognition.
Righe di codice
Versione
Le fasi del progetto
Ricerca dei dataset: Nella fase iniziale del progetto, abbiamo valutato accuratamente i dataset a disposizione, optando per l’utilizzo di Aff-Wild2. Questa fonte dati è stata scelta con cura per fornire una solida base all'addestramento del nostro modello di riconoscimento emotivo.
Gestione dei dati e sbilanciamento emotivo: Nel contesto dei progetti di machine learning, garantire dati di alta qualità è di importanza critica. Durante questa fase, ci siamo impegnati nella pulizia dei dataset, rimuovendo dati non validi e incongruenti. In particolare, abbiamo affrontato il problema dello sbilanciamento delle emozioni all'interno del dataset, dove le emozioni comuni avevano una forte presenza, mentre altre erano sottorappresentate. Questo processo è stato vitale per assicurare che il nostro modello fosse addestrato su dati che riflettessero una gamma completa di esperienze emotive.
Dipendenze
Aggiornato al
Il preprocessing dei dati è stato un altro aspetto cruciale del nostro lavoro. Abbiamo lavorato sulle immagini, rilevando e allineando i volti per migliorare la qualità dei dati e la precisione del modello. Questa fase ha contribuito a garantire che il nostro modello potesse effettuare rilevazioni precise e affidabili delle emozioni.
Modellistica: Attraverso una serie di esperimenti approfonditi, esplorando modelli di diverse dimensioni e approcci, abbiamo identificato una soluzione personalizzata basata su reti neurali convoluzionali. Questa scelta ci ha consentito di trovare l'equilibrio ideale tra precisione, efficienza delle risorse (riducendo il tempo di addestramento e i requisiti computazionali) e velocità di elaborazione. Questo modello rappresenta il nucleo della nostra soluzione, consentendoci di interpretare in modo altamente efficiente le informazioni sulle emozioni.
Nella fase conclusiva del nostro percorso, abbiamo sviluppato un'architettura altamente scalabile basata su tecnologie all’avanguardia come Docker, Django e VueJs. Grazie a Django, il nostro backend è diventato una solida base, garantendoci la capacità di gestire e monitorare efficacemente i risultati delle previsioni del modello e di elaborare serie temporali di emozioni per gli utenti. Il nostro frontend, realizzato in VueJs, offre un'esperienza utente elegante e altamente funzionale. Inoltre, Docker ha giocato un ruolo fondamentale nel processo di distribuzione del modello di machine learning, del backend e del frontend, conferendo portabilità e scalabilità, due elementi chiave per il successo della nostra soluzione.
SocraTech rappresenta una soluzione avanzata di Emotion Recognition che fonde i principi della psicologia con l'intelligenza artificiale mediante il machine learning. L'obiettivo primario di questa innovativa piattaforma è rilevare in modo accurato lo stato emotivo di un individuo, consentendo una comprensione più profonda delle sue reazioni e interazioni. SocraTech rappresenta un ponte innovativo tra la scienza della psicologia e l'intelligenza artificiale, con l'obiettivo di fornire una comprensione più approfondita ed eticamente responsabile delle emozioni umane, nel rispetto della privacy e delle normative vigenti. Noi siamo molto orgogliosi di aver fatto parte di questo progetto unico.
