IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ( CNN ) PADA EKSPRESI MANUSIA
Keywords:
Deep Learning, Convolutional Neural Network, Klasifikasi Ekspresi Wajah, web flaskAbstract
Dengan perkembangan teknologi yang semakin pesat, komputer dapat belajar sendiri seperti manusia, misalnya ekspresi wajah pada manusia, dengan membuat program yang biasa kita sebut Mechine Learning . Pembelajaran mesin dapat dibuat dengan banyak algoritma. Penulis membuat Mechine Learning dengan Metode Deep Learning, yang saat ini memiliki hasil paling signifikan dalam pengenalan citra adalah Convolutional Neural Network (CNN) . CNN dirancang khusus untuk pengenalan dan klasifikasi gambar. CNNmemiliki beberapa laspisan (lapisan) yang mengekstrak informasi dari gambar dan menentukan klasifikasi dari gambar berupa skor klasifikasi. Aplikasi Penyanyi using Bahasa Pemrograman python , web Berbasis termos, t ensorflow , Dan OpenCV . Tahapan total metode yang digunakan adalah tahap pra-pemrosesan , dan tahap klasifikasi. Proses pelatihan dilakukan dengan menggunakan ukuran batch , dan epochyang berbeda-beda untuk mendapatkan model terbaik. Dataset ekspresi ekspresi senang, sedih, takut, jijik, netral, marah, dan kaget. Jumlah dataset tidak mempengaruhi penilaian nilai bahasa, tetapi kedetailan citra untuk digunakan dataset sangat mempengaruhi hasil penilaian. Dengan Epoch 100, Batch size 128 didapatkan hasil akurasi pelatihan sebesar 90% dan validasi sebesar 65%. Hasil percobaan dari total 35 ekspresi, 28 ekspresi berhasil ditebak dengan nilai yang benar-benar sebesar 80%.
Downloads
Downloads
Published
How to Cite
Issue
Section
License
The Authors submitting a manuscript do so on the understanding that if accepted for publication, the copyright of the article shall be assigned to the journal Algor, Universitas Buddhi Dharma as the publisher of the journal.
Copyright encompasses exclusive rights to reproduce and deliver the article in all forms and media, including reprints, photographs, microfilms, and any other similar reproductions, as well as translations. The reproduction of any part of this journal, its storage in databases, and its transmission by any form or media, such as electronic, electrostatic, and mechanical copies, photocopies, recordings, magnetic media, etc., will be allowed only with written permission from journal Algor.
journal Algor, the Editors, and the Advisory Editorial Board make every effort to ensure that no wrong or misleading data, opinions, or statements be published in the journal. In any way, the contents of the articles and advertisements published in the journal Tech-E, Universitas Buddhi Dharma are the sole and exclusive responsibility of their respective authors and advertisers.