Convolutional Neural Network (CNN) dalam Digital Image Processing (DIP)

Yode Arliando    Desember 06, 2023    Convolutional Neural Network (CNN) , image processing    Comment   

Baca Juga

Image Processing adalah proses mengolah gambar digital dengan menggunakan teknik-teknik tertentu untuk meningkatkan kualitas, mengekstrak informasi, atau mengubah bentuk gambar. Salah satu teknik yang populer dan efektif untuk Image Processing adalah Convolutional Neural Network (CNN).

Sumber Gambar : Link

CNN adalah jenis jaringan saraf tiruan yang terdiri dari beberapa lapisan yang dapat belajar secara otomatis fitur-fitur penting dari gambar. CNN memiliki kemampuan untuk mengenali pola, bentuk, warna, tekstur, dan objek dalam gambar dengan akurasi tinggi.

CNN bekerja dengan cara melakukan operasi konvolusi pada gambar masukan. Operasi konvolusi adalah operasi matematika yang mengalikan nilai piksel gambar dengan sebuah matriks yang disebut filter atau kernel. Filter ini berfungsi untuk mendeteksi fitur-fitur tertentu dalam gambar, seperti tepi, sudut, garis, atau kurva.

Setelah operasi konvolusi, hasilnya adalah sebuah gambar baru yang disebut feature map. Feature map ini menunjukkan lokasi dan intensitas fitur-fitur yang terdeteksi oleh filter. Feature map ini kemudian diolah oleh lapisan-lapisan lain dalam CNN, seperti pooling, activation, fully connected, dan output.

Pooling adalah operasi yang mengurangi ukuran feature map dengan cara mengambil nilai maksimum, minimum, atau rata-rata dari sekelompok piksel. Pooling bertujuan untuk mengurangi kompleksitas perhitungan dan meningkatkan invarian terhadap pergeseran, rotasi, atau skala gambar.

Activation adalah fungsi yang menambahkan non-linearitas pada feature map. Fungsi ini bertujuan untuk meningkatkan kemampuan CNN untuk memodelkan hubungan yang kompleks antara gambar masukan dan keluaran. Beberapa fungsi aktivasi yang umum digunakan adalah ReLU, sigmoid, atau tanh.

Fully connected adalah lapisan yang menghubungkan semua neuron dari lapisan sebelumnya dengan lapisan berikutnya. Lapisan ini bertujuan untuk menggabungkan informasi dari semua feature map dan menghasilkan vektor yang merepresentasikan gambar secara keseluruhan.

Output adalah lapisan terakhir dari CNN yang menghasilkan keluaran sesuai dengan tujuan Image Processing. Keluaran ini bisa berupa klasifikasi, deteksi, segmentasi, atau rekonstruksi gambar. Lapisan ini biasanya menggunakan fungsi softmax atau sigmoid untuk menghasilkan probabilitas dari setiap kelas atau piksel.