Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) Pada Caltech 101

Putra, I Wayan Suartika Eka (2016) Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) Pada Caltech 101. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5109100096-Undergraduate Thesis.pdf

Download (1MB) | Preview

Abstract

Deep Learning adalah sebuah bidang keilmuan baru dalam bidang Machine Learning yang akhir-akhir ini berkembang karena perkembangan teknologi GPU accelaration. Deep Learning memiliki kemampuan yang sangat baik dalam visi komputer. Salah satunya adalah pada kasus klasifikasi objek pada citra. Tugas akhir ini mengimplementasikan salah satu metode machine learning yang dapat digunakan untuk klasifikasi citra objek yaitu CNN. Metode CNN terdiri dari dua tahap. Tahap pertama adalah klasifikasi citra menggunakan feedforward. Tahap kedua merupakan tahap pembelajaran dengan metode backpropagation. Sebelum dilakukan klasifikasi, terlebih dahulu dilakukan praproses dengan metode wrapping dan cropping untuk memfokuskan objek yang akan diklasifikasi. Selanjutnya dilakukan training menggunakan metode feedforward dan backpropagation. Terakhir adalah tahap klasifikasi menggunakan metode feedforward dengan bobot dan bias yang diperbarui. Hasil uji coba dari klasifikasi citra objek dengan tingkat confusion yang berbeda pada basis data Caltech 101 menghasilkan rata-rata nilai akurasi mencapai. Sehingga dapat disimpulkan bahwa metode CNN yang digunakan pada Tugas Akhir ini mampu melakukan klasifikasi dengan baik. =============================================================================================== Deep Learning is a new branch of knowledge in the field of Machine Learning that in the past few years has developed due to the improvement in GPU Acceleration technologies. Deep Learning has great capabilities in the field of computer vision. One of its capabilities is in the case of object classification in images. This final project implements one of the methods machine learning that can be used for image classification object that is CNN. CNN method consists of two stages. The first stage is to use feedforward for image classification. The second stage is about of learning to update weight and biases by back propagation method. Before the classification, first performed preprocessing with wrapping method and cropping to focusing the object in image to be classified. Furthermore, the training method used feedforward and backpropagation. The last stage is the classification using feedforward method with weights and biases are updated. The results of image classification objects with different levels of confusion at Caltech 101 database generates an average value of accuracy reached 100%. So it can be concluded that the CNN method used on Final project able to perform classification going well.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 621.367 8 Put k
Uncontrolled Keywords: Deep learning, Convolution Neural Network, Caltech 101.
Subjects: Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions: Faculty of Information Technology > Informatics Engineering > (S1) Undergraduate Theses
Depositing User: Mr. Tondo Indra Nyata
Date Deposited: 13 Sep 2017 06:06
Last Modified: 27 Dec 2018 04:26
URI: http://repository.its.ac.id/id/eprint/48842

Actions (login required)

View Item View Item