DMA-eigenfaces

Estas son las librerías necesarias para correr todo:

• Análisis de datos: numpy, pandas, matplotlib

• Procesamiento de imágenes: opencv-python, pillow-heif

Evaluación de caras nuevas

Sólo se necesitan las librerías json, numpy y pandas para probar nuevas imágenes

Para poder evaluar nuevas caras,

• Se deberán copiar las imágenes a la carpeta 4.test_your_files/ y correr el script de Python 05_test_new_files.py

• La consola devolverá el nombre del archivo evaluado y la predicción de la persona a la que corresponde la imagen

• Las imágenes preprocesadas se guardan en la carpeta 4.test_your_files/preprocessed_test_files/ para verificar la correcta detección de la cara en la imagen

Entrenamiento de la red

Este es el orden en el que hay que correr las cosas y entrenar a la red:

python 01_convert_heic.py (15 segundos) --> Convierte imágenes en formato HEIC a jpg

python 02_face_extraction.py (6 minutos) --> Extrae las caras de las imágenes

python 03_eigenfaces.py (2 segundos) --> Genera las componentes princpales y exporta la matrix para que entrenar la red

python 04_neural_network.py (5 segundos) --> Entrena la red sobre las componentes principales exportadas. Al concluir el entrenamiento se puede decidir guardar los parámetros de la red