Klasifikasi Citra Multi-Kelas Menggunakan Convolutional Neural Network

KAMAL HASAN MAHMUD

Informasi Dasar

19.04.1149
C
Karya Ilmiah - Skripsi (S1) - Reference

ILSVRC (ImageNet Large Scale Visual Recognition Challenge) adalah suatu kompetisi tahunan yang melombakan klasifikasi basis data gambar yang ada pada ImageNet yang memiliki 1000 kelas dan setiap tahunnya terdapat berbagai macam arsitektur jaringan convolutional neural network (CNN) yang menjadi state of the art. CNN digunakan karena metode ini bekerja dengan sangat baik dengan volume data yang besar. Dari 1000 kelas, akan diambil 100 kelas yang akan dijadikan dataset penelitian untuk mengetahui strategi pembelajaran seperti apa pada CNN yang dapat memiliki performa terbaik dengan berbagai skenario. Skenario terbaik didapatkan dengan melakukan training dengan ukuran gambar yang kecil, lalu melakukan training kembali dengan memperbesar ukuran gambar. Skenario ini mendapatkan akurasi sebesar 75.82%, akurasi yang cukup tinggi untuk model yang dapat mengklasifikasikan 100 kelas. Skenario ini juga memiliki performa yang paling baik dalam klasifikasi keseluruhan berdasarkan ukuran evaluasi confusion matrix.

Subjek

Modeling & analysis computer
 

Katalog

Klasifikasi Citra Multi-Kelas Menggunakan Convolutional Neural Network
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

KAMAL HASAN MAHMUD
Perorangan
ADIWIJAYA, SAID AL FARABY
 

Penerbit

Universitas Telkom
Bandung
2019

Koleksi

Kompetensi

  • CCH3F3 - KECERDASAN BUATAN
  • CIG4E3 - PENGOLAHAN CITRA DIGITAL
  • CCH4A3 - PENULISAN PROPOSAL
  • CIG4I3 - SISTEM REKOGNISI
  • CCH4D4 - TUGAS AKHIR
  • CII4A2 - PENULISAN PROPOSAL
  • CII4E4 - TUGAS AKHIR
  • CPI4A2 - PENULISAN PROPOSAL
  • III4A4 - TUGAS AKHIR

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini