| created | tags | source | author |
|---|---|---|---|
2022-05-06T09:50:31 (UTC +02:00) |
Mohammed El Amine BECHAR |
Transfer learning pour la détection des masques
Nous cherchons à améliorer l’application qui a été développée lors de dernier Brief.
Il faudra développer une application Streamlit qui sera capable à détecter/localiser le ou les visages dans une image, et détecter par la suite la présence ou l’absence du masque pour chaque visage détecté.
Cahier de charge de l’application :
- Charger une image.
- Lancer la webcam (facultatif).
- Détection du masque.
- Comptage (personne avec masque et personne sans masque).
- Un historique sous forme un tableau (personne, date/heure de détection et statut).
Le projet est réalisé en monome
Le bon fonctionnement de l'Application demandée.
Un dépôt GitHub avec :
- L'application Streamlit avec les fichiers nécessaires.
- Le modèle .h5
- Un Readme.md pour mettre en avant votre projet
L'application s'ouvre sur une page permettant la détection des visages.
Une image est fournie par défaut, et on peut en choisir une en local.
L'application a repéré 3 visages et les a ajouté à la liste des personnes identifiées.
L'onglet Détection des masques permet de trouver les visages masqués et non masqués :
L'application a marqué les personnes masquées en vert, et les non masquées en rouge, en indicant un indice de confiance dans la prédiction.
L'image à analyser est prise par la webcam (à authoriser) :
L'onglet Report permet de visualiser les personnes identifiées depuis le lancement de l'application.
Il reste des axes d'améliorations et des fonctionnalités à implémenter :
- Séparer la fonction de détection des masques et celle de la detection des visages pour en utiliser qu'une, et les enchaîner
- Utiliser le flux vidéo pour faire une analyse en continue