MODIFIKASI RESIDUAL DENSE NETWORK MENGGUNAKAN CONVOLUTIONAL AUTOENCODER GAMBAR SUPER RESOLUSI

IQBAL FITRA MAULANA

Informasi Dasar

21.04.3675
621.38 2
Karya Ilmiah - Skripsi (S1) - Reference

Saat ini image atau komponen image merupakan komponen yang sangat penting. Berkat gambar, Anda dapat menemukan informasi yang sulit atau sulit dijelaskan dengan kata-kata. Penelitian-penelitian sebelumnya telah berhasil menghasilkan sifat-sifat yang representatif dan khas. Ini semakin memudahkan tugas mengklasifikasikan adegan. Namun, masih ada beberapa kesalahan klasifikasi di beberapa adegan dengan banyak kesamaan antar kelas.

Pada tugas akhir ini telah dibuat perbaikan kualitas citra digital menggunakan Residual Dense Network (RDN) yang dibuat dalam enam layer dan dengan jumlah Resblock Looping sebanyak 20 kali. RDN AE 1 dengan susunan enam layer dan Resblock Looping yang sama dengan RDN original, namun ditambahkan layer encoder dan decoder. Lalu RDN AE 2 yang disusun oleh enam layer dan Resblock Looping sebanyak 10 kali, dan juga ditambahkan layer encoder dan decoder.

Hasil yang didapatkan pada tugas akhir ini adalah RDN Autoencoder masih belum cukup berpengaruh terhadap hasil PSNR dan SSIM dibandingkan dengan metode originalnya dan masih perlu penelitian lebih lanjut. Rata-rata PSNR dari skenario RDN AE 1 tertinggi yang didapat pada dataset Set14 sebesar 13.87 dB dan rata-rata SSIM tertinggi yang didapat pada dataset Set5 yaitu 0.4136 pada skenario RDNAE 2.

Subjek

SIGNAL PROCESSING
 

Katalog

MODIFIKASI RESIDUAL DENSE NETWORK MENGGUNAKAN CONVOLUTIONAL AUTOENCODER GAMBAR SUPER RESOLUSI
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

IQBAL FITRA MAULANA
Perorangan
Irma Safitri, Syamsul Rizal
 

Penerbit

Universitas Telkom, S1 Teknik Telekomunikasi
Bandung
2021

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

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