Progetto scolastico per il riconoscimento di cifre e lettere attraverso Machine Learning, con backend Java, frontend PHP, app Android e server Python.

🤝 Contributors

Un grazie speciale a queste fantastiche persone che hanno contribuito al progetto:

Note

PROFILO	RUOLO
@paolomalgarin	Design e web-app	✨
@anItalianGeek	Project manager	💼
@michelecortiana	Machine learning	🧠
@Phoeyuh	API	🐝
@Benti06	Android app	📱

📖 INDICE

• 📥 Installation guide
• 📌 Panoramica
• 🏗️ Architettura & Flusso dei Dati
• 🛠️ Tecnologie Utilizzate
• 📷 Esempi d’Uso
• 📊 Dati
• 📄 Licenza

📌 Panoramica

Il progetto DigitML ci è stato assegnato come attività didattica con l’obiettivo di realizzare un’applicazione distribuita per il riconoscimento di cifre manoscritte.
La consegna prevedeva la creazione di un sistema capace di identificare numeri scritti a mano, da utilizzare durante gli open‑day scolastici per mostrare le competenze acquisite nel triennio di Informatica.
Spinti dalla nostra curiosità e dalla voglia di sperimentare, abbiamo esteso il progetto aggiungendo numerose funzionalità extra, tra cui il riconoscimento delle lettere dell’alfabeto.

Tip

Installation guide

---

🏗️ Architettura & Flusso dei Dati

Le applicazioni front-end mandano le richieste all'API che è l'unico che può comunicare con il ML grazie ad un HMAC

---

🛠️ Tecnologie Utilizzate

• Java Servlet: comunicazione front-end e back-end
• PHP 8+: interfaccia web e autenticazione
• Android (Java): app mobile (Android)
• Python 3.8+: server Flask
• TensorFlow/Keras: rete neurale

---

📷 Esempi d’Uso

Qui sotto un esempio della web-app e dell'app Android:

Warning

Per provarla vedi installation guide.

---

📊 Dati

Dataset utilizzati:

NOME	MNIST	A-Z Handwritten Alphabets
IMG
TIPO DI RETE	CNN (Convolutional Neural Network)	CNN (Convolutional Neural Network)
VAL ACCURACY	98.6%	98.8%
TRAIN ACCURACY	99.3%	99.5%

---

📄 Licenza

Questo progetto è rilasciato sotto MIT License.