Optimisation d’un modèle CNN pour la reconnaissance des expressions faciales (FER2013) »
La présentation portera sur :
L’architecture CNN utilisée (ResNet18 et ResNet50 en transfer learning),
Les choix méthodologiques (split stratifié, gestion du déséquilibre),
Les techniques de régularisation (mixup, label smoothing, dropout),
Les décisions d’optimisation et les difficultés rencontrées,
Une analyse des performances obtenues (Accuracy et F1 macro).
