IvanLeny/Modele_de_reconnaissance_facial

Projet de reconnaissance faciale pour la classe MDSMS1xxxxxxxxxxxxxxxxxx # Projet de Reconnaissance Faciale - MDSMS1 ## Groupe 1 • KAMATE Saranh Beh ; • ABONDO MEMANG Ivan Leny, • MODJARBA Habib •Messina ATA Mallory Noelle ## Description Système de reconnaissance faciale pour identifier les étudiants de la promotion MDSMS1 utilisant un modèle CNN. ## oprration de collecte ``` pour mettre sur pieds notre base de données , nous avons effectué des seances photo avec les etudiants disponibles (8 etudiants), on a fait le maximum de photo possible par étudiant ces photos ont été ensuite étiquetés de facon manuelle avant leur exploitation. c'est donc de cette façon qu'on a realisénotre base data/raw ``` ## Résultats - **Accuracy sur le test set : 92.3%** - **8 étudiants reconnus** - **Modèle entraîné sur 128 images** ## Architecture - **Modèle CNN** avec 3 couches de convolution - **Input** : 128x128 pixels - **Output** : 8 classes (étudiants) ## Structure du Projet MDSMS1_Face_Reconnaissance / ├── data/ │ ├── raw/ # Images brutes (par étudiant) │ ├── processed/ # Images prétraitées │ └── labels/ # Mapping des labels ├── models/ │ └── face_recognition_model.h5 # Modèle entraîné ├── src/ │ ├── data_collection.py # Collecte des données │ ├── preprocessing.py # Prétraitement │ ├── training.py # Entraînement │ ├── evaluation.py # Évaluation │ └── prediction.py # Reconnaissance temps réel └── README.md ## Utilisation ### Installation ```bash pip install -r requirements.txt Reconnaissance en temps réel bash python src/prediction.py Test du modèle bash python src/evaluation.py Étudiants reconnus Abibe, Beindi, Destin, Jessy, Jordan, Kamate, Laurent, Mama Performances par classe Abibe: 100% Beindi: 100% Destin: 100% Jessy: 67% Jordan: 100% Kamate: 100% Laurent: 75% Mama: 100% Conclusion Le modèle atteint 92.3% d'accuracy et peut reconnaître efficacement les étudiants de la classe. text ##**Félicitations !** Notre projet de reconnaissance facia …