Javanese SriptText Image Recognition Using Convolutional Neural Networks

Inovasi ini bertujuan untuk mengatasi permasalahan tersebut dengan membuat sebuah aplikasi yang dapat bekerja dengan baik dalam mengenali gambar teks aksara Jawa. Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN) dengan pendekatan baru yaitu transfer learning menggunakan model yang sudah dilatih sebelumnya yaitu ResNeXt. Dataset yang digunakan untuk tahap pelatihan model diperoleh dengan cara menggabungkan dataset citra aksara Jawa yang tersedia secara publik di situs Kaggle dengan citra yang dikumpulkan secara manual dan dengan menerapkan teknik image augmentation pada dataset yang telah terkumpul. Proses pengenalan yang digunakan pada aplikasi ini berbasis Optical Character Recognition (OCR) dengan tahapan preprocessing, segmentasi, ekstraksi fitur dan klasifikasi, serta post-processing.

Wednesday, August 30, 2023 4:46 AM

Javanese SriptText Image Recognition Using Convolutional Neural Networks

Javanese SriptText Image Recognition Using Convolutional Neural Networks

Inovasi ini bertujuan untuk mengatasi permasalahan tersebut dengan membuat sebuah aplikasi yang dapat bekerja dengan baik dalam mengenali gambar teks aksara Jawa. Metode yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN) dengan pendekatan baru yaitu transfer learning menggunakan model yang sudah dilatih sebelumnya yaitu ResNeXt. Dataset yang digunakan untuk tahap pelatihan model diperoleh dengan cara menggabungkan dataset citra aksara Jawa yang tersedia secara publik di situs Kaggle dengan citra yang dikumpulkan secara manual dan dengan menerapkan teknik image augmentation pada dataset yang telah terkumpul. Proses pengenalan yang digunakan pada aplikasi ini berbasis Optical Character Recognition (OCR) dengan tahapan preprocessing, segmentasi, ekstraksi fitur dan klasifikasi, serta post-processing.

  1. Satu
  2. Dua
  3. Tiga
Jumbotron PENS

Jl. Raya ITS, Keputih, Kec. Sukolilo, Kota SBY, Jawa Timur 60111

Indonesia

(031) 5947280

humas@pens.ac.id