face-detection

Um repositório contendo tanto uma demo de pesquisa quanto uma aplicação web empacotada para detecção facial que funciona inteiramente no navegador. Toda a inferência ocorre no lado do cliente via face-api.js no TensorFlow.js; o container apenas serve arquivos estáticos e pesos do modelo. Uma demo ao vivo está vinculada em face.jedarden.com, e o README observa que o repositório é um espelho de apenas leitura de um host Git externo. Dois diretórios principais são descritos. O primeiro, research/face-detection-lite, contém notas sobre abordagens de detecção facial (Viola-Jones com Haar cascades, HOG mais SVM e detectores baseados em CNN), uma coleção de materiais de origem em papers/, e uma página estática que executa o face-api.js contra a webcam com a escolha entre o Tiny Face Detector e o SSD MobileNet v1, além de modelos opcionais de landmarks, expressões e idade/gênero. Uma pasta adicional, research/face-detection-pro, contém notas em markdown sobre detecção de landmarks. A demo de pesquisa é iniciada com um simples python3 -m http.server. O segundo, docker-app, é uma aplicação de página única construída com webpack e servida por nginx com dois modos. O modo Lite desenha caixas delimitadoras do Tiny Face Detector com um limiar ajustável, impulsionado por requestAnimationFrame. O modo Pro usa SSD MobileNet v1 juntamente com um modelo de landmark de 68 pontos, reconhecimento de expressão sobre as sete classes de expressão do face-api.js e estimativa de idade/gênero, com sobreposições para landmarks, contornos, expressões e demografia. É afirmado que o modo Pro é mais pesado e lento. Recursos adicionais incluem seleção de câmera quando múltiplas câmeras estão presentes, uma sobreposição de diagnósticos alternável relatando FPS, memória e tempo, e um ponto de entrada de backend WASM do TensorFlow.js com uma verificação de compatibilidade. O README documenta um Dockerfile de múltiplos estágios (Node builder, runtime nginx:alpine), uma imagem de aproximadamente 80 MB compactada para a tag 2.0.5 no GHCR, um Docker HEALTHCHECK com um endpoint /health do nginx e HTTPS na porta 8443 usando um certificado autoassinado em tempo de build que pode ser substituído montando certificados em /etc/nginx/ssl. Instruções de início rápido cobrem a extração de ghcr.io/jedarden/face-detection:2.0.5, execução a partir do código-fonte com docker-compose e um perfil de desenvolvimento na porta 3000. Os testes são descritos como testes unitários e de integração Jest, testes E2E Puppeteer, especificações Playwright e um arquivo de teste de segurança. A versão 1.1.0 é observada como uma atualização de dependência respondendo a descobertas do npm audit, com um guia de migração de segurança vinculado; o arquivo security-audit.json commitado é descrito como um snapshot pontual de nove descobertas. O README afirma que nenhum número de benchmark foi commitado e que a taxa de quadros depende do backend do navegador do host, com a sobreposição no app mostrando-a ao vivo. Os requisitos do navegador são getUserMedia e suporte a WebGL ou WebAssembly. O código do projeto possui licença MIT, enquanto os pesos dos modelos e bibliotecas possuem suas próprias licenças em LICENSES/. O README também registra o processo de desenvolvimento assistido por IA e orientado por prompts e as decisões arquitetônicas tomadas, incluindo a escolha de JavaScript puro em vez de um framework e a inferência no lado do navegador.