Skip to content

arielyosua/Emotion-Detection

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Emotion Detection

Emotion Detection adalah proyek machine learning yang dapat mengenali emosi wajah manusia secara real-time menggunakan webcam. Model ini dilatih dengan dataset gambar wajah yang dikategorikan ke dalam 7 emosi: Angry, Disgusted, Fearful, Happy, Neutral, Sad, dan Surprised.

Fitur

  • Deteksi wajah secara otomatis menggunakan OpenCV
  • Klasifikasi emosi wajah secara real-time
  • Visualisasi hasil prediksi pada frame video
  • Model deep learning berbasis CNN (Convolutional Neural Network)

Struktur Folder

├── kel13_latihan.ipynb      # Notebook utama (training & prediksi)
├── model_emosi.h5           # Model hasil training
├── train/                   # Data training (7 folder emosi)
├── test/                    # Data testing (7 folder emosi)

Cara Menjalankan

  1. Clone repository ini

    git clone https://github.com/arielyosua/Emotion-Detection.git
    cd Emotion-Detection
  2. Install dependencies Pastikan Python 3.x sudah terinstall. Install library yang dibutuhkan:

    pip install -r requirements.txt

    Atau install manual:

    pip install tensorflow opencv-python matplotlib numpy
  3. Jalankan notebook Buka kel13_latihan.ipynb di Jupyter Notebook atau VS Code, lalu jalankan sel-selnya secara berurutan.

  4. Prediksi Emosi Real-Time Setelah model dilatih/di-load, jalankan sel prediksi webcam. Tekan q untuk keluar dari mode webcam.

Contoh Hasil

Alt Text

Kontributor

  • Ariel Yosua Hasibuan (105222004)
  • Haekal Putra Alharis (105222028)
  • Bintang Akbar Alim (105222037)

Lisensi

Proyek ini menggunakan lisensi MIT. Silakan gunakan, modifikasi, dan distribusikan sesuai kebutuhan.


"Mendeteksi emosi, memahami ekspresi."

About

Emotion Detection is a deep learning project for real-time facial emotion recognition from webcam input, detecting 7 basic emotions. Perfect for learning, research, or facial expression-based applications.

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors