Digit Recognizer

Implementação do desafio digit recognizer em uma aplicação web

Status: em progresso

Tópicos

1. Sobre o projeto
2. Como funciona
3. Tecnologias usadas
4. Inteligência artificial
5. Infraestrutura do projeto/fluxo
6. Telas
7. Instalar o projeto localmente
8. Licença

Sobre o projeto

Este é um projeto que tem como objetivo testar na prática o algoritmo de reconhecimento de dígitos desenvolvido durante o desafio do Digit Recognizer MNIST.

A aplicação web consiste em uma área de desenho onde é possível desenhar os dígitos de 0 a 9 manualmente. Em seguida, o algoritmo de IA treinado irá processar o desenho e retornar qual número foi desenhado.

Como Funciona

1. Acesse o site e selecione a área de desenho.
2. Desenhe o dígito que deseja reconhecer.
3. Clique em "Pronto" para que o algoritmo de IA analise o desenho.
4. O número reconhecido será exibido na tela.

Tecnologias usadas

• Back-end
  • Python
  • Django
  • Scikit learn
  • Pandas
  • Numpy
• Front-end
  • Vue.js
  • Javascript
  • Html
  • Css

Inteligência artificial

Para este projeto, eu utilizei o algoritmo Random Forest Classifier, treinado com os dados do conjunto MNIST, que contém 70 mil dígitos manuscritos. O modelo alcançou uma precisão de 96% no conjunto de teste, no entanto, na prática, encontrei muitos erros. Acredito que isso ocorreu devido às diferenças de formato dos dígitos que o algoritmo recebeu. Para melhorar a precisão, planejo aprimorar o pré-processamento dos dígitos.

Escolhi o Random Forest Classifier por sua simplicidade e eficácia. Considerei usar o TensorFlow em conjunto com o Keras, mas não foi possível devido à incompatibilidade da CPU do meu computador com o TensorFlow.

Infraestrutura do projeto/fluxo

Estrutura de pastas

• digit_recognizer - Pasta onde estão os arquivos vue.js
• DjangoIA - Pasta onde estão os arquivos do django, aqui são administrados os arquivos estáticos gerados pelo vue.js. Aqui onde o projeto funciona.

Fluxo do programa

Primeiramente, o usuário desenha um dígito de 0 a 9 no canvas e envia os dados. Durante o processo de envio, os dados do canvas são convertidos em formato de imagem usando a função toDataURL(). Em seguida, os dados são enviados para a view PredictDigit(), do Django. Essa função converte a imagem para o espaço de cores RGB, remove espaços em branco ao redor do dígito, redimensiona a imagem para 28 x 28 pixels, converte-a em escala de cinza e transforma-a em um array de números. Então, o modelo faz uma previsão com base nos dados do array e retorna um JSON com o dígito previsto.

Telas

Tela de desenho

Tela do predict

Instalar o projeto localmente

Pré-requisitos

• Python 3.8.10
• Venv

Execute os seguintes comandos

1. Baixe o repositório no seu computador
2. Agora abra a pasta DjangoIA pelo terminal
3. Digite: python -m venv env, para criar um ambiente virtual para instalar as bibliotecas
4. Ative o ambiente virtual: source env/bin/activate
5. Agora digite: pip install -r requirements.txt, para instalar as bibliotecas
6. E finalmente rode o projeto:python manage.py runserver

Licença

The scripts in this project are released under the MIT License