Etudiant : EL FAKHORI MOHAMMED

Filière : LF Sciences Mathématiques et Informatique

Encadrant : Pr. EL GHMARY MOHAMED

Annèe : 2025

Résumé : La reconnaissance automatique des expressions faciales joue un rôle central dans l’amélioration de l’interaction homme-machine, la surveillance émotionnelle et le diagnostic psychologique. Dans ce projet, nous avons démontré l’efficacité des techniques d’apprentissage profond, en particulier les réseaux de neurones convolutifs (CNN) et les architectures résiduelles avancées comme ResNet50V2, pour identifier automatiquement les émotions à partir d’images de visages. Nous avons d’abord conçu un modèle CNN , puis analysé l’impact de l’augmentation de données ce qui a permis de renforcer sa capacité de généralisation. Ensuite, nous avons exploité la puissance du transfert d’apprentissage en fine-tunant un modèle ResNet50V2 pré-entraîné sur ImageNet, afin de l’adapter à notre tâche spécifique. Nous avons également évalué la transférabilité du modèle vers la base CK+. L’objectif était de vérifier si le modèle pouvait réutiliser les connaissances acquises sur FER2013 (base bruitée et de faible résolution) pour améliorer ses performances sur CK+, tout en conservant une bonne capacité de prédiction sur FER2013. Cette approche illustre la puissance du transfert d’apprentissage dans un contexte où les données d’entraînement sont limitées. Une application web a été développée pour intégrer les modèles dans une interface utilisateur intuitive. Les résultats obtenus montrent que le modèle ResNet50V2 offre de meilleures performances de généralisation grâce au transfert d’apprentissage. Ce travail ouvre la voie à des applications concrètes dans des contextes variés comme l’éducation, la santé mentale ou la sécurité.