Reconhecimento Facial com MLP (PyTorch)

Este projeto implementa um sistema de reconhecimento facial utilizando redes neurais densas (MLP) em PyTorch, sem uso de embeddings pré-treinados e sem CNN. O objetivo é identificar pessoas a partir de imagens de rosto, usando apenas arquiteturas totalmente conectadas.

Estrutura do Projeto

rooney-face-mlp/
│
├── data/
│   ├── raw/           # Coloque aqui as imagens originais dos rostos
│   └── processed/     # Imagens recortadas/alinhadas (geradas pelo pipeline)
│
├── models/
│   └── mlp.py         # Definição da arquitetura MLP
│
├── weights/
│   └── best_model.pth # Pesos salvos após o treinamento
│
├── utils/
│   ├── face_crop.py   # Detecção, recorte e alinhamento facial
│   └── augment.py     # Data augmentation (opcional)
│
├── train.py           # Script de treinamento
├── predict.py         # Script de inferência (identificação de rostos)
├── requirements.txt   # Dependências do projeto
├── README.md          # Instruções de uso e explicação do pipeline
└── config.yaml        # Configurações do experimento (parâmetros, caminhos, etc)

Como usar

1. Coloque as imagens dos rostos em data/raw/, organizadas por pasta (uma pasta por pessoa).
2. Execute o pré-processamento para recortar/alinha os rostos.
3. Treine o modelo com train.py.
4. Use predict.py para identificar rostos em novas imagens.

Veja detalhes de cada etapa e exemplos de comandos nas próximas seções (em construção).

Regras e Restrições

• Apenas MLP (redes densas), sem CNN ou embeddings pré-treinados.
• Entrada do modelo: vetor de pixels da imagem.
• Permitido usar bibliotecas de detecção facial (OpenCV, MTCNN, mediapipe).

---

Observação sobre a pasta venv

A pasta venv contém o ambiente virtual Python utilizado para instalar as dependências do projeto localmente. Não inclua a pasta venv no controle de versão (Git), pois ela é específica de cada máquina e pode ser recriada a qualquer momento usando o comando:

python -m venv venv

Para instalar as dependências após criar o ambiente virtual, utilize:

pip install -r requirements.txt