docClassifier: API de Classificação de Documentos

docClassifier é um sistema inteligente baseado em Visão Computacional e Deep Learning (Redes Neurais Convolucionais - CNN) para a classificação e validação de documentos de identificação.

O objetivo principal é predizer o tipo de documento enviado (RG, CNH, Passaporte) e comparar essa previsão com a classificação esperada pelo usuário.

---

Contribuições

Componentes	Responsável	Contato
Modelo (IA) & Backend (API)	Ana Pinheiro	GitHub / LinkedIn
Frontend (Interface Web)	Adonis Oliveira	GitHub / LinkedIn

---

Visão Geral do Projeto

Este projeto demonstra a construção de uma solução de IA robusta e escalável, combinando o poder do Deep Learning com princípios avançados de Engenharia de Software (Clean Architecture e Atomic Design).

A arquitetura modular garante que o processamento de imagem, a lógica do modelo e a interface do usuário sejam independentes, facilitando a manutenção, testes e futuras expansões.

Modelo de Machine Learning

O modelo central é uma Rede Neural Convolucional (CNN) treinada para categorizar imagens nos seguintes tipos: cnh, rg e passporte

Fluxo de Classificação e Validação

1. Envio: O usuário interage com o Frontend e submete uma imagem de documento, informando também o tipo de documento esperado (ex: "CNH").
2. Pré-processamento: O Backend recebe a imagem, aplica validações de segurança e otimiza a imagem (redimensionamento e normalização) para o modelo.
3. Predição (CNN): O modelo CNN processa a imagem pré-processada e retorna o tipo de documento previsto (ex: "CNH").
4. Validação: O sistema compara o tipo previsto pelo modelo ("CNH") com o tipo informado pelo usuário ("CNH").
5. Resultado: A resposta é retornada ao usuário, indicando se houve correspondência (classificação bem-sucedida) ou falha.

Diagrama de Sequência - Fluxo da Requisição

---

Tecnologias e Metodologias

Backend (Python)

• Python 3.10+
• TensorFlow / Keras
• FastAPI
• Pillow
• Clean Architecture
• Testes Unitários (pytest + mock)

Frontend (Web)

• TypeScript / Angular
• SCSS e HTML5
• RxJS
• Atomic Design

---

Como Executar o Projeto

Backend (API Python)

1. Clonar o repositório:

   git clone https://github.com/adonisoliveiradasilva/docClassifier.git
   cd docClassifier

2. Criar e ativar o ambiente virtual (Windows PowerShell)

   python -m venv venv
   
   .\venv\Scripts\Activate.ps1

3. Instalar dependências

   python -m pip install --upgrade pip
   
   pip install -r requirements.txt  

4. Configurar pré-commit

   pre-commit install -t pre-push 

5. Rodar a API

   python -m api.app

   A documentação interativa da API estará disponível em http://localhost:8000/docs

Frontend (Angular)

1. Instalar Node.js e Angular CLI (se ainda não tiver).
2. Navegar para a pasta do Frontend:

   cd ui/

3. Instalar dependências do Node:

   npm install

4. Executar o servidor de desenvolvimento:

   npm start

   A interface será aberta em http://localhost:4200.

---

Documentação Completa

Para detalhes técnicos sobre a arquitetura do modelo, estrutura de pastas, endpoints da API, acesse:

/docs