Klasifikasi Citra UCMerced LandUse Dengan VGG-16

Fazril Fahri

Sosial Media


0 orang menyukai ini
Suka

Summary

Implementasi dan Evaluasi Performa VGG16 untuk Klasifikasi Citra UCMerced LandUse

  • VGG16 dikenal karena kemampuannya dalam mengenali berbagai jenis objek dengan tingkat akurasi yang tinggi. Arsitektur ini juga mudah dipelajari dan diimplementasikan, sehingga sering digunakan sebagai baseline dalam penelitian terkait pengenalan objek.
  • UC Merced Land Use Dataset adalah sebuah dataset yang digunakan untuk tugas-tugas pengenalan pola dan klasifikasi citra satelit. Dataset ini terdiri dari 2100 citra satelit berukuran 256x256 piksel yang diambil dari daerah di sekitar Universitas California, Merced, Amerika Serikat. Citra-citra tersebut telah diklasifikasikan ke dalam 21 kelas yang mewakili berbagai jenis penggunaan lahan, seperti hutan, ladang, padang rumput, dan sebagainya.
  • UC Merced Land Use Dataset sering digunakan sebagai dataset latihan dalam penelitian pengenalan pola citra satelit dan klasifikasi citra satelit. Dataset ini juga sering digunakan sebagai dataset evaluasi untuk menguji kemampuan algoritma pengenalan pola dan klasifikasi citra satelit.

 

Yi Yang and Shawn Newsam, "Bag-Of-Visual-Words and Spatial Extensions for Land-Use Classification," ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems (ACM GIS), 2010.

========================================================================
Shawn D. Newsam
Assistant Professor and Founding Faculty
Electrical Engineering & Computer Science
School of Engineering
University of California, Merced
Voice: (209) 228-4167
Email: snewsam@ucmerced.edu
Web: http://faculty.ucmerced.edu/snewsam
========================================================================

This material is based upon work supported by the National Science Foundation under Grant No. 0917069.

Description

  • Definisi Library Yang Digunakan

 

  • Menampilkan Data Yang akan Digunakan Pada Percobaan Dengan Menggunakan Model VGG16

 

  • VGG16 : VGG16 adalah sebuah arsitektur jaringan neural yang dikembangkan oleh K. Simonyan dan A. Zisserman pada tahun 2014. VGG16 merupakan salah satu arsitektur yang paling populer digunakan dalam bidang pengolahan citra, terutama untuk tugas-tugas pengenalan objek. Nama "VGG16" berasal dari nama peneliti yang membuatnya, Visual Geometry Group di Universitas Oxford, dan "16" menunjukkan bahwa arsitektur tersebut terdiri dari 16 lapisan yang terdiri dari lapisan konvolusi dan lapisan fully-connected.
  • Pada Percobaan Diatas Menggunakan Tuning Hyperparameter Diantaranya adalah Berikut : 

Learning Rate : 0.0001

Batch Size : 16

Epochs : 30 

  • Berikut Plot Tampilan Metric Hasil Perhitungan Model VGG 16.

Evaluasi Performa Klasifikasi

  • Plot Confusion Matrix 
  • Hasil dari percobaan ini didapatkan akurasi sebesar 94%

 

Informasi Course Terkait
  Kategori: Artificial Intelligence
  Course: Deep Learning Dengan Keras Python