Tugas ini bertujuan menambah wawasan penerapan model convolutional neural network (CNN) untuk menyelesaikan masalah klasifikasi pada data nyata. Data berasal dari gambar muka tujuh praktikan mata kuliah MAT524 Komputasi Lanjut 2022 dengan lima ekspresi yang telah melalui proses penggandaan dan transformasi, seperti pengaturan skala, brightness, contrast, dan rotasi. Praktikan dibagi ke dalam tiga kelompok dengan permasalahan yang berbeda. Kelompok pertama diberikan masalah untuk membandingkan metode klasifikasi klasik (seperti regresi logistik), neural network standar (seperti multi layer perceptron), dan CNN dengen arsitektur AlexNet. Kelompok kedua diberikan masalah untuk membandingkan arsitektur CNN seperti LeNet-5, AlexNet, dan VGG-11 dalam melakukan klasifikasi. Kelompok ketiga diberikan masalah untuk membandingkan penyelesaian masalah klasifikasi dengan arsitektur AlexNet menggunakan tiga optimizer (metode pembelajaran) yang berbeda, seperti gradient descent, gradient descent dengan momentum, dan Adaptive Moment Estimation (ADAM).
Deskripsi Projek
Baca | Download
Perbandingan Regresi Logistik, Multi Layer Preceptron, dan CNN untuk Masalah Klasifikasi Gambar
Ade Irawan, dan Evi Ardiyani
Baca | Download
Perbandingan Arsitektur CNN (LeNet, AlexNet, dan VGG) untuk Masalah Klasifikasi Gambar
Muhammad Reza Ardhana, Salsabilla Rahmah, dan Trianty Putri Blante
Baca | Download | Publikasi pada jurnal ilmiah
Perbandingan Penggunaan Optimizer CNN (Gradient Descent, Gradient Descent dengan Momentum, dan Adam) pada Arsitektur AlexNet untuk Masalah Klasifikasi Gambar
Refi Revina, dan Fitra Nuvus Salsabila
Baca | Download | Publikasi pada jurnal ilmiah
0 Komentar