Reconhecimento Facial Usando CNN

Este projeto foi desenvolvido com o objetivo de estudar e aplicar Redes Neurais Convolucionais (CNN). Desenvolvi a arquitetura do modelo completamente do zero, sem utilizar arquiteturas pré-existentes como RES-NET ou ALEX-NET. A construção manual da arquitetura permitiu uma compreensão mais profunda dos princípios e da lógica subjacente às CNNs.

                    
                        import torch.nn as nn

                        class SimpleCNN(nn.Module):
                            def __init__(self):
                                super(SimpleCNN, self).__init__()
                                self.conv1 = nn.Conv2d(3, 16, kernel_size=3, stride=1, padding=1)
                                self.batch_norm1 = nn.BatchNorm2d(16)
                                self.pool1 = nn.MaxPool2d(2, 2)

                                self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1)
                                self.batch_norm2 = nn.BatchNorm2d(32)
                                self.pool2 = nn.MaxPool2d(2, 2)

                                self.conv3 = nn.Conv2d(32, 64, kernel_size=3, stride=1, padding=1)
                                self.batch_norm3 = nn.BatchNorm2d(64)
                                self.pool3 = nn.MaxPool2d(2, 2)

                                self.conv4 = nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1)
                                self.batch_norm4 = nn.BatchNorm2d(128)
                                self.pool4 = nn.MaxPool2d(2, 2)

                                self.fc1 = nn.Linear(128 * 7 * 7, 512)
                                self.fc2 = nn.Linear(512, 5)  # Assuming 6 parameters for bounding box + class

                            def forward(self, x):
                                x = self.pool1(self.batch_norm1(nn.functional.relu(self.conv1(x))))
                                x = self.pool2(self.batch_norm2(nn.functional.relu(self.conv2(x))))
                                x = self.pool3(self.batch_norm3(nn.functional.relu(self.conv3(x))))
                                x = self.pool4(self.batch_norm4(nn.functional.relu(self.conv4(x))))

                                x = x.view(-1, 128 * 7 * 7)
                                x = nn.functional.relu(self.fc1(x))
                                x = self.fc2(x)

                                return x

                        model = SimpleCNN()