REKOGNISI HURUF TULISAN TANGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
Buku yang bisa membuat semua orang penasaran
PPermasalahan dalam dunia computer vision yang telah lama dicari solusinya adalah klasifikasi objek pada citra umum. Cara menduplikasi kemampuan manusia dalam memahami gambar, sehingga komputer dapat mengenali objek dalam gambar seperti manusia. Oleh karena itu, perlunya deep learning merupakan salah satu cabang dari machine learning dimana algoritma yang digunakan terinspirasi dari cara kerja otak manusia. CNN digunakan untuk mengenali dan mengklasifikasikan pola dalam tulisan tangan. Jaringan memiliki lapisan khusus yang disebut lapisan konvolusi. Di lapisan ini, gambar dimasukkan sesuai dengan filter yang telah ditentukan. Pada penelitian ini dilakukan berbagai kombinasi desain arsitektur CNN seperti jumlah convolution layer, stride size, jumlah epoch, jenis kernel size, optimizer. Data penelitian berasal dari database National Institute of Standards and Technology (NIST), kemudian data tersebut dibagi menjadi tiga yaitu 60% data latih, 20% validasi dan 20% pengujian. Hasil dari percobaan ini menghasilkan nilai akurasi yang sangat baik dengan menggunakan 2 convolution layer, 50 epoch, dengan Adam optimizer menghasilkan nilai akurasi sebesar 99,5% saat pengujian model. Kemudian evaluasi model dengan menggunakan confusion matrix, memberikan nilai tinggi dengan nilai rata-rata akurasi 100%, sedangkan untuk nilai rata-rata presisi dengan nilai 100%, untuk nilai rata-rata recall 100%, dan terakhir nilai rata-rata. dari f1 skor 100%.
Posting Komentar
0 Komentar