Skip to content

Akin01/RockScissorsPaper-Recognition

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Ini merupakan repository jupyter notebook untuk mendeteksi gambar tangan gunting, kertas dan batu.
Data gambar yang digunakan untuk membuat model berjumlah 2188 gambar.
Teknik yang digunakan untuk membuat model adalah dengan menggunakan sequential model, yaitu MLP (Multi Layer Perceptron).
Activation function yang digunakan pada model ini adalah relu (rectified linear unit) dan softmax.
Model ini memiliki beberapa layer dengana masing-masing menggunakan MaxPolling2D layer, Conv2D layer, Flatten layer, dan Dense layer. Model berhasil mendapatkat Akurasi sebesar 98 %.

Model bisa dikatakan bagus dengan setidaknya mempunyai waktu training < 30 menit dan akurasi diatas 95 %.

sumber Dataset : https://dicodingacademy.blob.core.windows.net/picodiploma/ml_pemula_academy/rockpaperscissors.zip

Dataset dibagi menjadi 2 dengan validation image berjumlah 40%.
Training Image : 1314 gambar.
Validation Image : 874 gambar.

Disediakan juga sample gambar untuk tes model berjumlah 13 gambar.
Model menggunakan 35 epoch dengan masing-masing 30 step.

Requirement Library Python yang harus diinstall :
pip install tensorflow
pip install matplotlib
pip install numpy
pip install keras

Berikut contoh ketika model dites untuk mendeteksi sample gambar :

Tes Image Recognition

Berikut grafik Accuracy dan Loss dari model yang telah dibuat :

Diagram Akurasi Diagram Loss

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published