Intel Image Classifier

Fitur

• • Drag and drop untuk unggah gambar
• • Klasifikasi gambar secara real-time menggunakan model TensorFlow.js yang sudah dilatih sebelumnya
• • Progress bar saat memuat model
• • Tampilan UI yang rapi dan responsif
• • Menampilkan hasil prediksi beserta persentase confidence

Tech Stack

• • Frontend: HTML, CSS, JavaScript
• • Machine Learning: TensorFlow.js
• • UI Styling: Custom CSS dengan Flexbox dan Grid

Cara Penggunaan

1. Buka aplikasi di browser.
2. Drag and drop gambar atau klik untuk mengunggah.
3. Tunggu hingga model selesai memproses.
4. Lihat hasil prediksi beserta persentase confidence-nya.

Struktur Project

intel-image-classifier/
├── index.html         # File HTML utama
├── styles/style.css   # CSS styling
├── js/ml.js           # JavaScript untuk loading model dan klasifikasi
└── tfjs_model/        # File model TensorFlow.js

Detail Model

Model klasifikasi yang digunakan pada project ini berbasis VGG16 sebagai feature extractor yang telah fine-tuning untuk dataset Intel Image Classification. Arsitektur modelnya terdiri dari:

• • Base Model: VGG16 (pre-trained pada ImageNet, dengan layer yang dibekukan)
• • Custom Layers:
  • - Conv2D (256 filter, kernel size 3x3, aktivasi ReLU, regularisasi L2)
  • - Batch Normalization
  • - MaxPooling2D
  • - Global Average Pooling
  • - Fully connected Dense layer (256 unit, aktivasi ReLU, dropout 0.5)
  • - Output layer (4 unit, aktivasi softmax)

Hasil Training (Fine-Tuning)

• • Epochs: 13
• • Train Accuracy: 97.24%
• • Validation Accuracy: 97.01%
• • Loss Function: Categorical Crossentropy (dengan label smoothing 0.05)
• • Optimizer: Adam (learning rate: 1e-5)

Demo Aplikasi