Skip to content

Tutorial de AWS Rekognition: Detectando emociones en imágenes

Notifications You must be signed in to change notification settings

nicoavila/tutorial-rekognition-node

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

7 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Reconocimiento de emociones con AWS Rekognition y Node

Respositorio con el código utilizado para la publicación Reconocimiento de emociones con AWS Rekognition y Node

Imagen del artículo

Instalación

  1. Clonar el proyecto git clone https://github.com/nicoavila/tutorial-rekognition-node.git

  2. Ejecutar cd tutorial-rekognition-node && npm install

  3. Crear un nuevo archivo touch .env

  4. Editar el archivo .env y agregar el valor correspondiente a las variables presentes en el archivo .env.default (los pasos para obtener esta información se encuentran presentes en el artículo)

  • AWS_ACCESS_KEY
  • AWS_SECRET_ACCESS_KEY
  • AWS_REGION
  1. Iniciar el servidor node app.js

Sobre el programa

Se ha desarrollado una CLI que utiliza el SDK de Amazon Web Services para Node para detectar las emociones presentes en una serie de imágenes presentes en el directorio input. AWS Rekognition permite detectar las siguientes emociones:

  • Alegría
  • Pena
  • Enojo
  • Confusión
  • Disgusto
  • Sorpresa
  • Calma

A cada reconocimiento se le asigna una Puntuación de Confianza

La puntuación de confianza es un valor entero que oscila entre 0 y 100 que indica con qué probabilidad una característica ha sido detectada.

La documentación completa del uso de AWS Rekognition la pueden encontrar en la siguiente URL

Análisis de las imágenes

La aplicación lee el archivo declarado en la variable file_name. Los archivos de imágenes deben poseer la extensión JPG o PNG. El archivo indicado para enviar a reconocimiento a la API de AWS Rekognition es transformado en un Buffer.

Sobre las imágenes utilizadas en este tutorial

Las imágenes utilizadas en este tutorial corresponden a 3 imágenes utilizadas en el estudio Self-report captures 27 distinct categories of emotion bridged by continuous gradients.

Output de ejemplo

La emoción predominante en la imágen es ALEGRÍA con un grado de seguridad de 98.88406372070312

About

Tutorial de AWS Rekognition: Detectando emociones en imágenes

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published