Perbandingan Model AlexNet dan ResNet dalam Klasifikasi Citra Bunga Memanfaatkan Transfer Learning

Abstract

Klasifikasi spesies bunga otomatis berbasis citra merupakan masalah penting bagi para ahli biologi yang membuat katalog bunga digital. Banyak penelitian tentang pengenalan spesies bunga telah diusulkan sejauh ini berdasarkan rutinitas pemrosesan gambar tradisional. Saat ini, para peneliti menerapkan pembelajaran mendalam pada berbagai tugas pengenalan objek berbasis gambar. Dalam makalah ini, deep learning berbasis transfer learning diterapkan pada klasifikasi spesies bunga. Metode yang diusulkan menggunakan model transfer learning AlexNet dan ResNet. Dataset Flower102 yang memiliki banyak kategori digunakan dalam karya eksperimental. Berbagai hasil eksperimen menunjukkan bahwa masing-masing model telah mencapai kinerja akurasi 87% dan 96% untuk AlexNet dan ResNet. Hasil yang diperoleh menunjukkan efektivitas model berbasis ResNet lebih tinggi bila dibandingkan dengan model berbasis AlexNet.