Скачать или смотреть ANALISIS DEEP LEARNING: DETEKSI KULIT WAJAH MENGGUNAKAN VGG16 DAN MOBILENETV2 | PYTHON & TENSORFLOW

ANALISIS DEEP LEARNING: DETEKSI KULIT WAJAH MENGGUNAKAN VGG16 DAN MOBILENETV2 | PYTHON & TENSORFLOW

Скачать ANALISIS DEEP LEARNING: DETEKSI KULIT WAJAH MENGGUNAKAN VGG16 DAN MOBILENETV2 | PYTHON & TENSORFLOW бесплатно в качестве 4к (2к / 1080p)

У нас вы можете скачать бесплатно ANALISIS DEEP LEARNING: DETEKSI KULIT WAJAH MENGGUNAKAN VGG16 DAN MOBILENETV2 | PYTHON & TENSORFLOW или посмотреть видео с ютуба в максимальном доступном качестве.

Для скачивания выберите вариант из формы ниже:

Информация по загрузке:

Cкачать музыку ANALISIS DEEP LEARNING: DETEKSI KULIT WAJAH MENGGUNAKAN VGG16 DAN MOBILENETV2 | PYTHON & TENSORFLOW бесплатно в формате MP3:

Если иконки загрузки не отобразились, ПОЖАЛУЙСТА, НАЖМИТЕ ЗДЕСЬ или обновите страницу
Если у вас возникли трудности с загрузкой, пожалуйста, свяжитесь с нами по контактам, указанным в нижней части страницы.
Спасибо за использование сервиса video2dn.com

Описание к видео ANALISIS DEEP LEARNING: DETEKSI KULIT WAJAH MENGGUNAKAN VGG16 DAN MOBILENETV2 | PYTHON & TENSORFLOW

Assalamualaikum Warrahmatullahi Wabarakatuh
Video ini dibuat untuk memenuhi Tugas Besar Mata Kuliah Pemrograman Lanjut & Praktikum Pemrograman Lanjut.

Pada penelitian ini, kami melakukan komparasi kinerja antara arsitektur MobileNetV2 dan VGG16 dalam mengklasifikasikan 5 tipe kulit wajah (Normal, Dry, Oily, Combination, Sensitive).

Anggota Kelompok 4:
1. Fadli Yusra
2. Taufik Hidayat

Hasil Akhir:
MobileNetV2: Akurasi 90.67%
VGG16: Akurasi 95.11% (Model Terbaik)

Tools: Python, TensorFlow, Keras, Google Colab.

Semoga bermanfaat. Jangan lupa Like & Subscribe!
#DeepLearning #VGG16 #SkinTypeClassification #TeknikInformatika #Coding #googlecolab #vscode

Комментарии

Информация по комментариям в разработке