Batik Vision

Masalah

Dataset motif batik jumlahnya kecil dan tidak seimbang, sementara foto asli punya pencahayaan dan sudut yang beragam. Model yang dilatih dari nol mudah menghafal data latih.

Pendekatan

Saya memakai MobileNetV2 sebagai basis, augmentasi ringan, dan class weight untuk menyeimbangkan kelas. Saya memisahkan data berdasarkan sumber gambar agar tidak ada kebocoran antara data latih dan uji, lalu mengevaluasi dengan confusion matrix.

Fitur utama

• Tujuh kelas motif dengan confidence per prediksi.
• Grad-CAM sederhana untuk melihat area yang dipakai model.
• Antarmuka unggah gambar dengan contoh bawaan.
• Catatan evaluasi untuk setiap kelas.

Hasil

1. 01

   Akurasi validasi 88% pada data yang tidak dipakai saat pelatihan.

2. 02

   Kebocoran data terdeteksi dan dihapus setelah evaluasi pertama terlihat terlalu bagus.

3. 03

   Model berjalan cukup cepat di CPU untuk demo kelas.