Detail Implementasi Sistem Pengenalan Bahasa Isyarat Menggunakan Convolutional Neural Network dengan Simulasi pada Perangkat Lunak Field Programmable Gate Array Vivado Bibliografi Author: Crispo, David ; Sereati, Catherine Olivia (Advisor); Hutapea, Duma Kristina Yanti (Advisor) Topik: Bahasa isyarat; FPGA; Convolutional neural network; HLS4ML; Implementasi Bahasa: (ID )     Penerbit: Program Studi Sarjana Teknik Elektro Fakultas Teknik Unika Atma Jaya     Tempat Terbit: Jakarta    Tahun Terbit: 2023     Jenis: Theses - Undergraduate Thesis Fulltext: David Crispo_Undergraduated Thesis_2023_.pdf (2.74MB; 3 download) 201904520023_David Crispo_LembarAdministrasi_.pdf (805.17KB; 1 download) Abstract Penelitian ini memiliki tujuan untuk menerapkan suatu sistem deteksi bahasa isyarat menggunakan Convolutional Neural Networks (CNNs) pada Field Programmable Gate Array (FPGA). Model machine learning yang dibuat dapat mengklasifikasikan 24 alfabet bahasa isyarat yang berbasis pada Sistem Isyarat Bahasa Indonesia (SIBI). Implementasi model machine learning ke FPGA dilakukan dengan menggunakan pustaka High-Level Synthesis for Machine Learning (HLS4ML). Penggunaan HLS4ML memudahkan dalam mengimplementasikan model machine learning yang dibuat dalam bahasa pemrograman tingkat tinggi ke bahasa pemrograman tingkat rendah yang dapat dimengerti oleh FPGA. Penelitian ini menghasilkan model machine learning dengan tingkat akurasi 98,13% pada pengujian menggunakan data pelatihan, dan mendapatkan tingkat akurasi 99,93% untuk model machine learning dengan pengklasifikasian 5 kelas, baik model Keras dan model HLS setelah konversi. Hasil konversi model menggunakan HLS4ML dapat disimulasikan pada perangkat lunak Vivado untuk menampilkan pemetaan sumber daya dan schematic. Opini Anda Klik untuk menuliskan opini Anda tentang koleksi ini! Lihat Sejarah Pengadaan  Konversi Metadata   Kembali

Copyright © 2006, 2007 Unika Atma Jaya, all rights reserved