Update README.md
Browse files
README.md
CHANGED
|
@@ -3,11 +3,11 @@ license: mit
|
|
| 3 |
language:
|
| 4 |
- id
|
| 5 |
---
|
| 6 |
-
#
|
| 7 |
|
| 8 |
Model ini merupakan model klasifikasi alfabet BISINDO (Bahasa Isyarat Indonesia) menggunakan CNN (Convolutional Neural Network) berbasis data landmark 2 tangan yang diekstraksi menggunakan **MediaPipe**. Model ini dikembangkan menggunakan Keras Functional API.
|
| 9 |
|
| 10 |
-
##
|
| 11 |
|
| 12 |
Model CNN dikembangkan dengan arsitektur sederhana menggunakan `Conv1D` yang dirancang untuk memproses urutan data landmark tangan:
|
| 13 |
|
|
@@ -23,11 +23,11 @@ x = Dropout(0.4)(x)
|
|
| 23 |
output_layer = Dense(y.shape[1], activation='softmax')(x)
|
| 24 |
```
|
| 25 |
|
| 26 |
-
##
|
| 27 |
- Dataset awal berasal dari hasil ekstraksi gambar alfabet BISINDO.
|
| 28 |
- Untuk mengatasi keterbatasan jumlah data dan mencegah overfitting, dilakukan augmentasi data 10x lipat menggunakan:Rotasi (±15°),Skala (zoom in/out),Translasi acak, dan Gaussian noise ringan
|
| 29 |
|
| 30 |
-
##
|
| 31 |
- Akurasi training: 98.7%
|
| 32 |
- Akurasi validasi: 97.9%
|
| 33 |
- Jumlah epoch: 28 (Early stopping)
|
|
|
|
| 3 |
language:
|
| 4 |
- id
|
| 5 |
---
|
| 6 |
+
# BISINDO CNN Hand Landmark Classifier
|
| 7 |
|
| 8 |
Model ini merupakan model klasifikasi alfabet BISINDO (Bahasa Isyarat Indonesia) menggunakan CNN (Convolutional Neural Network) berbasis data landmark 2 tangan yang diekstraksi menggunakan **MediaPipe**. Model ini dikembangkan menggunakan Keras Functional API.
|
| 9 |
|
| 10 |
+
## Arsitektur Model
|
| 11 |
|
| 12 |
Model CNN dikembangkan dengan arsitektur sederhana menggunakan `Conv1D` yang dirancang untuk memproses urutan data landmark tangan:
|
| 13 |
|
|
|
|
| 23 |
output_layer = Dense(y.shape[1], activation='softmax')(x)
|
| 24 |
```
|
| 25 |
|
| 26 |
+
## Dataset
|
| 27 |
- Dataset awal berasal dari hasil ekstraksi gambar alfabet BISINDO.
|
| 28 |
- Untuk mengatasi keterbatasan jumlah data dan mencegah overfitting, dilakukan augmentasi data 10x lipat menggunakan:Rotasi (±15°),Skala (zoom in/out),Translasi acak, dan Gaussian noise ringan
|
| 29 |
|
| 30 |
+
## Akurasi Model
|
| 31 |
- Akurasi training: 98.7%
|
| 32 |
- Akurasi validasi: 97.9%
|
| 33 |
- Jumlah epoch: 28 (Early stopping)
|