Clasificación de Género a partir de Imágenes de Manos

Este repositorio contiene el desarrollo completo del proyecto de clasificación de género utilizando imágenes del conjunto de datos 11k Hands. El trabajo se basa en técnicas de preprocesamiento combinadas con redes neuronales convolucionales, siguiendo como referencia un artículo científico y explorando variantes propias para mejorar la generalización del modelo.

📁 Estructura del repositorio

• dataset/: contiene las imágenes organizadas en carpetas train, val y test. El dataset usado es 11k Hands.
• models/: incluye todos los cuadernos Jupyter correspondientes a cada modelo entrenado. Puedes ejecutar estos notebooks para replicar los resultados o experimentar con nuevas configuraciones.
• notebooks/: contiene cuadernos usados para experimentar con los distintos métodos de preprocesamiento (GaussianBlur, Sobel, Laplacian, etc.) y para automatizar la división del dataset original.

🛠️ Pasos para trabajar sobre el proyecto

1. Clonar el repositorio:

git clone https://github.com/PID-24-25/genero_manos.git
cd genero_manos

2. Crear un entorno virtual con Python 3.10: Si no tienes Python 3.10 instalado, puedes hacerlo desde la página oficial de Python o, en sistemas basados en Debian/Ubuntu, mediante:

sudo apt update
sudo apt install python3.10 python3.10-venv

Luego, crea y activa el entorno virtual:

python3.10 -m venv venv
source venv/bin/activate

3. Instalar las dependencias necesarias:

pip install -r requirements.txt

📄 Licencia

Este proyecto ha sido desarrollado como parte de una práctica académica y se encuentra bajo una licencia educativa. Los modelos, resultados y código fuente han sido implementados con fines de aprendizaje.

Se ha tomado como referencia el artículo científico:

Jamshidi, K., Toosi, R., & Akhaee, M. A. (2024). Gender Recognition Based on Hand Images Employing Local and Global Shape Information. IEEE Computer.

Este artículo fue utilizado como base teórica e inspiración para el diseño de los modelos y experimentos, pero no se ha reutilizado directamente ningún fragmento de código del mismo.