CNN Image Recognition

Aplicação educacional para reconhecer imagens com uma Rede Neural Convolucional usando MobileNetV2, com interface web, API FastAPI e alternativa de execução por linha de comando.

Status

Projeto demonstrativo. A interface e a API são adequadas para estudo de classificação de imagens. A demonstração hospedada externamente está temporariamente em validação; por isso, o caminho reproduzível abaixo é a execução local.

O que o projeto demonstra

• Classificação com MobileNetV2 pré-treinada no ImageNet.
• Até cinco previsões acompanhadas de porcentagens de confiança.
• Interface com upload e pré-visualização de imagem.
• API REST com FastAPI e endpoint de verificação de saúde.
• Separação entre frontend estático e backend Python.
• Execução alternativa pela linha de comando.

Arquitetura

Frontend estático (docs/)
          │ HTTP + CORS
          ▼
Backend FastAPI (backend/)
          │
          ▼
MobileNetV2 + TensorFlow/Keras

Demonstração visual

Adicione aqui uma captura real do fluxo de upload, processamento e resultado antes de publicar uma URL de demonstração. Não mantenha links genéricos ou uma URL externa quebrada como se fossem uma demo funcional.

Space do Hugging Face

A implementação independente para Gradio está em space/. Ela usa dependências fixadas, retorna Markdown e está preparada para o ambiente de Spaces. O deploy público antigo pode permanecer em erro até que esses arquivos sejam sincronizados na Space; consulte SPACE_DEPLOYMENT.md para o procedimento.

Execução local

Backend

git clone https://github.com/Dev-HP/cnn-image-recognition.git
cd cnn-image-recognition
python -m venv .venv
source .venv/bin/activate
pip install -r backend/requirements.txt
python backend/cnn_api.py

Frontend

Em outro terminal, sirva a pasta docs/ por HTTP para que o navegador possa carregar os arquivos corretamente:

python -m http.server 3000 --directory docs

Acesse http://localhost:3000. Para apontar a interface para um backend local, confira a configuração em docs/config.js.

Uso pela linha de comando

python CNN.DEMO.py caminho/para/imagem.jpg

Testes

python test_cnn.py
python test_cnn_simple.py test_image.jpg

Para testar a API manualmente:

curl http://localhost:8080/health
curl -X POST -F "file=@test_image.jpg" http://localhost:8080/predict

Estrutura

backend/                 API FastAPI e dependências
 docs/                   frontend estático e configuração da API
CNN.DEMO.py              execução por linha de comando
test_cnn.py              geração de imagem de teste
test_cnn_simple.py       teste simples de reconhecimento
DEPLOY.md                notas de publicação
SPACE_DEPLOYMENT.md      publicação da interface Gradio
space/                   app e dependências da Space CNN
LICENSE                  licença MIT

Limitações

O modelo foi treinado no ImageNet e pode produzir previsões incorretas para imagens fora do domínio esperado. A porcentagem apresentada é confiança do modelo, não garantia de acerto. Registre exemplos de entrada, limitações e resultados reais em uma seção de avaliação quando houver benchmark reproduzível.

Licença e autor

O projeto está sob a licença MIT. Desenvolvido por Hélio Paulo Leite de Lima para a palestra “Desvendando as Redes Neurais”.