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:
Apa itu Artificial Intelligence, Deep Learning, Dan Convolutional Neural Network??
Dalam era di mana teknologi semakin merajalela, Artificial Intelligence (AI) telah menjadi pusat perhatian dunia. Salah satu cabang utama dari AI yang telah mengubah lanskap teknologi secara fundamental adalah deep learning. Dalam artikel ini, kita akan membongkar rahasia di balik kecerdasan buatan dan deep learning, menggali lebih dalam untuk memahami konsep, aplikasi, dan dampaknya dalam berbagai bidang kehidupan.
Apa itu Kecerdasan Buatan?
Kecerdasan buatan (AI) merupakan cabang ilmu komputer yang berfokus pada pembuatan mesin atau sistem yang mampu mengeksekusi tugas-tugas yang biasanya memerlukan kecerdasan manusia. Tujuan utama dari AI adalah untuk membuat mesin dapat “berpikir” seperti manusia, melakukan tugas-tugas yang membutuhkan pemahaman, pembelajaran, dan pemecahan masalah.
-read more->Penerapan Algoritma Self-Organizing Maps (SOM) Menggunakan MATLAB
Self-Organizing Maps (SOM), juga dikenal sebagai Kohonen maps, adalah salah satu algoritma dalam bidang jaringan saraf tiruan yang mampu melakukan pemetaan dan pengelompokan data kompleks dalam ruang multidimensional. Dalam artikel ini, kita akan menjelaskan konsep dasar algoritma SOM dan bagaimana mengimplementasikannya menggunakan perangkat lunak MATLAB.
Pemrograman Matlab 