Application web Django de classification d'images utilisant un SVM à noyau RBF, conteneurisée avec Docker.
- Upload d'image → prédiction Meuble ou Voiture
- Score de confiance avec barre de probabilité
- Seuil d'incertitude (< 65%)
- Feedback ✓/✗ pour valider les prédictions
- Multi-sessions avec historique de conversation
- Interface type chatbot avec design glassmorphisme
- Statistiques temps réel par session
- Backend : Django 5, Python 3.10
- ML : scikit-learn (SVM, noyau RBF, images 128×128)
- Frontend : HTML/CSS vanilla, Font Awesome
- Conteneurisation : Docker
docker build -t image-recognition:latest .
docker run -d -p 8000:8000 image-recognition:latest
# Ouvrir http://localhost:8000
# Exporter l'image en archive
docker save image-recognition:latest -o image-recognition.tar
# Charger l'image depuis une archive
docker load -i image-recognition.tarimage_recognition/
├── classifier/ # App Django
│ ├── views.py # Upload, prédiction, sessions
│ └── templates/ # Interface chatbot
├── image_recognition/ # Configuration Django
├── svm_prediction_images.joblib # Modèle entraîné
├── Dockerfile
└── requirements.txt
~834 images — 455 voitures, 379 meubles — redimensionnées en 128×128 en niveaux de gris.
Créé par Yipene Harold Ezekiel BASSOLE — Master SI SAD, Développement Multi-Tiers