Blog Archives

Content-Based Image Retrieval (CBIR) Menggunakan Deep Learning

Content-Based Image Retrieval (CBIR) adalah teknik dalam pengambilan kembali gambar dari basis data yang serupa dengan gambar query berdasarkan konten visualnya. Teknologi ini sangat berguna dalam berbagai aplikasi, termasuk dalam pengenalan pola, pencarian gambar medis, dan katalogisasi produk. Pada artikel ini, akan dibahas implementasi CBIR menggunakan deep learning dengan arsitektur ResNet-50 untuk ekstraksi fitur, diikuti oleh Locality Sensitive Hashing (LSH) dan pengukuran kesamaan menggunakan hamming distance, khususnya untuk klasifikasi motif Batik Dayak, Batik Ikat Celup, dan Batik Megamendung.

Arsitektur dan Metode

Ekstraksi Fitur Menggunakan ResNet-50 ResNet-50 adalah salah satu arsitektur jaringan saraf dalam yang sangat populer yang digunakan untuk tugas-tugas klasifikasi gambar. Arsitektur ini terdiri dari 50 lapisan yang mendalam, tetapi menggunakan residual connections untuk mengatasi masalah vanishing gradient yang umum terjadi pada jaringan yang sangat dalam. Pada tahap ekstraksi fitur, ResNet-50 akan digunakan untuk menghasilkan representasi vektor dari gambar-gambar Batik. Proses ini mencakup langkah-langkah sebagai berikut:

-read more->

Posted in Deep Learning

1 Comment

Tags: content-based image retrieval, deep convolutional neural network, Deep Learning, feature extraction, hamming distance, Image Classification, image retrieval, klasifikasi jenis batik, locality sensitive hashing, Pattern Recognition, resnet-50

Klasifikasi Jenis Buah Mangga Menggunakan Convolutional Neural Network

Sep 1

Posted by adi pamungkas

Convolutional Neural Network (CNN) adalah jenis arsitektur jaringan syaraf tiruan yang umumnya digunakan dalam bidang Computer Vision. CNN digunakan untuk memproses data dengan topologi grid, seperti gambar atau video. Dalam algoritmanya, CNN menggunakan operasi matematika yang disebut konvolusi untuk menggantikan perkalian matriks umum pada setidaknya satu lapisannya. Lapisan (layer) dalam CNN yang umumnya digunakan antara lain Convolutional Layer, Batch Normalization Layer, ReLU (Rectified Linear Activation) Layer, Max Pooling Layer, Fully Connected Layer, dan Softmax Layer. CNN banyak diterapkan pada berbagai bidang pengolahan citra salah satunya untuk klasifikasi jenis buah mangga.

Mengenal Arsitektur AlexNet dalam Convolutional Neural Network (CNN)

Aug 9

Posted by adi pamungkas

Convolutional Neural Network (CNN) telah mengubah lanskap pengolahan citra dan tugas-tugas pengenalan pola dengan kemampuan yang luar biasa dalam memahami fitur-fitur visual kompleks. Salah satu tonggak penting dalam perkembangan CNN adalah arsitektur AlexNet. Dalam artikel ini, kita akan membahas tentang arsitektur AlexNet, bagaimana ia bekerja, dan dampaknya terhadap perkembangan dunia deep learning.

AlexNet, yang dinamai berdasarkan peneliti Alex Krizhevsky, bersama dengan Geoffrey Hinton dan Ilya Sutskever, memenangkan kompetisi ILSVRC (ImageNet Large Scale Visual Recognition Challenge) tahun 2012 dengan perbedaan yang mencolok. Ini merupakan momen penting dalam sejarah deep learning karena menunjukkan bahwa arsitektur CNN yang dalam bisa digunakan untuk tugas-tugas pengenalan citra kompleks.