Manumber

Traitement d'image et portage du modèle

environnement

application Android

temps

Master 1 INSA (1 mois en équipe)

contexte

projet de fin de semestre

// pourquoi

Un système de reconnaissance de chiffres manuscrits en temps réel : la caméra capte un flux vidéo, l'image est nettoyée, puis un modèle SVM réimplémenté en Kotlin prédit le chiffre.

Traitement de l'image

›Seuil de binarisation calculé par la méthode d'Otsu, puis binarisation pour séparer le tracé du fond.

›Recadrage sur le contenu utile pour isoler le chiffre, puis mise à plat de l'image 28×28 en un vecteur de 784 dimensions.

Le modèle SVM

›Dix modèles un-contre-tous entraînés sous scikit-learn avec un noyau RBF, C = 10 et gamma = 0,001, sur MNIST binarisé réduit à 700 observations par classe.

›Vecteurs de support, coefficients et biais exportés depuis Python, puis rejoués en Kotlin : noyau RBF et fonction de décision réimplémentés à la main.

›La prédiction retient la classe au score maximal parmi les dix.

Application et méthode

›Interface Android en Fragments avec ViewBinding, flux caméra géré par CameraX, navigation déclarée dans un nav_graph.

›Projet mené en méthode agile : sprints, points quotidiens, GitLab pour le code, Trello pour le suivi, Slack pour la communication.

// outils

KotlinAndroidCameraXSVMscikit-learnPython

// code

githublotfi8rbh/Ma-Number