Description

Buku ini membahas teori dan implementasi Convolutional Neural Network (CNN) sebagai salah satu metode utama Deep Learning dalam bidang Computer Vision. Pembahasan diawali dengan konsep dasar CNN, mekanisme kerja, serta perkembangan berbagai arsitektur modern seperti LeNet-5, ResNet, DenseNet, EfficientNet,ConvNeXt, dan Mask R-CNN. Selanjutnya, buku menyajikan enam studi kasus implementasi, meliputi deteksi objek makanan untuk rekomendasi diet menggunakan Mask R-CNN, deteksi penyakit daun tomat dengan EfficientNet, klasifikasi jenis sampah menggunakan ConvNeXt, klasifikasi digit tulisan tangan menggunakan LeNet-5, klasifikasi lesi kulit HAM10000 menggunakan ResNet50, serta klasifikasi citra CIFAR-10 menggunakan DenseNet dengan antarmuka Gradio UI. Buku ini ditujukan bagi mahasiswa, dosen, peneliti, dan praktisi yang ingin memahami teori sekaligus mengembangkan aplikasi Computer Vision berbasis CNN secara sistematis dan aplikatif.