Differences
This shows you the differences between two versions of the page.
|
pm:prj2025:avaduva:bogdan.prisacaru [2025/05/28 12:02] bogdan.prisacaru [Face recognition - ESP32-CAM & Edge Impulse] |
pm:prj2025:avaduva:bogdan.prisacaru [2025/05/28 15:33] (current) bogdan.prisacaru [Surse și funcții implementate] |
||
|---|---|---|---|
| Line 147: | Line 147: | ||
| === Performante pe setul de validare === | === Performante pe setul de validare === | ||
| == Confusion Matrix: == | == Confusion Matrix: == | ||
| - | |||
| {{ :pm:prj2025:avaduva:confusion_matrix.png?300 |}} | {{ :pm:prj2025:avaduva:confusion_matrix.png?300 |}} | ||
| Line 173: | Line 172: | ||
| | **Acoperire F1** | 88.3% | | | **Acoperire F1** | 88.3% | | ||
| === Concluzii === | === Concluzii === | ||
| - | Modelul de recunoastere faciala dezvoltat pe platforma Edge Impulse Studio pentru ESP32-CAM ofera o performanta buna atat in ceea ce priveste acuratetea, cat si eficienta pe dispozitiv. Cu un scor F1 de 88.3% pe setul de validare si o precizie de 92% pentru clasele non-background, modelul este capabil sa diferentieze corect intre persoanele recunoscute si fundal, chiar si in conditii variate, folosind imagini capturate atat cu ESP32-CAM, cat si cu telefon mobil. | + | Modelul de recunoastere faciala dezvoltat pe platforma Edge Impulse Studio pentru ESP32-CAM ofera o performanta buna atat in ceea ce priveste acuratetea, cat si eficienta pe dispozitiv. Cu un scor F1 de 89.7% pe setul de validare si o precizie de 93.8% pentru clasele non-background, modelul este capabil sa diferentieze corect intre persoanele recunoscute si fundal, chiar si in conditii variate, folosind imagini capturate atat cu ESP32-CAM, cat si cu telefon mobil. |
| Timpul de procesare de aproximativ 1.1 secunde per inferenta este rezonabil pentru aplicatii embedded, iar consumul redus de memorie RAM (sub 240 KB) si spatiu in flash il fac potrivit pentru implementarea pe microcontrolere cu resurse limitate, precum ESP32-CAM. | Timpul de procesare de aproximativ 1.1 secunde per inferenta este rezonabil pentru aplicatii embedded, iar consumul redus de memorie RAM (sub 240 KB) si spatiu in flash il fac potrivit pentru implementarea pe microcontrolere cu resurse limitate, precum ESP32-CAM. | ||
| Line 189: | Line 188: | ||
| * ei_camera_capture(): Capturează cadrul curent, face conversia în RGB și redimensionează imaginea la dimensiunea cerută de modelul de inferență. | * ei_camera_capture(): Capturează cadrul curent, face conversia în RGB și redimensionează imaginea la dimensiunea cerută de modelul de inferență. | ||
| + | ==== Pipeline ==== | ||
| + | |||
| + | {{ :pm:prj2025:avaduva:pipeline.png?300 |}} | ||
