Aplicación web interactiva que permite predecir dígitos manuscritos (0–9) utilizando una red neuronal convolucional (CNN) entrenada con el dataset MNIST.
Ofrece dos formas de predicción: subida de imagen y cámara en vivo y ha sido diseñada para ser fácilmente desplegable gracias a Docker + Nginx + Gunicorn.
- Backend: Flask + Gunicorn
- Modelado: TensorFlow / Keras
- Preprocesamiento: OpenCV, PIL, NumPy
- Frontend: HTML + JavaScript (Webcam API)
- Despliegue: Docker, Gunicorn, Nginx
- Carga de imágenes (JPG, PNG, JPEG, BMP)
- Predicción automática desde cámara web (capturas cada 2 segundos)
- Modelo CNN entrenado en TensorFlow/Keras
- Previsualización de imagen preprocesada (binaria 28x28)
- Tabla completa con probabilidades por clase
- Despliegue listo para producción con Gunicorn y Nginx
- El preprocesamiento incluye:
- CLAHE para realce de contraste
- Umbral de Otsu + binarización adaptativa
- Redimensionado a 28×28 px + inversión binaria
- Toda la inferencia es in-memory, no se almacenan archivos.
| Propiedad | Valor |
|---|---|
| Dataset | MNIST (handwritten digits) |
| Input | Imágenes 28×28 en escala gris |
| Output | Predicción probabilística (0–9) |
| Accuracy | ~99% en validación |
- Imagen preprocesada (binaria 28×28)
- Predicción del dígito + Probabilidad
- Tabla detallada con todas las clases
| Título | Resultado Renderizado |
|---|---|
| Cámara – Dígito 1 |  |
| Cámara – Dígito 5 |  |
| Cámara – Dígito 7 |  |
| Cámara – Dígito 8 |  |
| Archivo – Dígito 4 |  |
Este proyecto tiene fines académicos y educativos.
Modelo entrenado con el dataset MNIST, el cual es de uso libre.