Metode transfer learning VGG16 di balik Batik AI Classifier
Batik AI Classifier adalah sistem identifikasi motif batik yang menggunakan pendekatan transfer learning dengan arsitektur VGG16, dibungkus dalam aplikasi web sederhana berbasis Flask sehingga dapat diakses langsung dari browser.
Transfer learning adalah teknik dalam deep learning yang memanfaatkan model yang sudah dilatih sebelumnya pada dataset besar (dalam kasus ini ImageNet, berisi lebih dari 14 juta gambar dalam 1.000 kategori), lalu digunakan kembali untuk menyelesaikan tugas baru yang lebih spesifik, yaitu mengenali motif batik Nusantara.
VGG16 merupakan arsitektur convolutional neural network dengan 16 layer berbobot (13 layer konvolusi dan 3 fully connected), dikembangkan oleh Visual Geometry Group, Universitas Oxford. Arsitekturnya yang dalam namun sederhana membuatnya sangat baik dalam mengekstraksi fitur visual umum seperti tepi, tekstur, dan pola berulang, karakteristik yang sangat relevan untuk mengenali motif batik.
Seluruh layer konvolusi VGG16 dibekukan (tidak dilatih ulang), lalu ditambahkan layer Dense baru sebagai classifier khusus motif batik.
Beberapa layer terakhir VGG16 dibuka dan dilatih ulang dengan learning rate kecil, agar model lebih mengenali detail khas motif batik secara lebih spesifik.
INPUT (224x224x3) -> [VGG16 Convolutional Base - pretrained ImageNet] -> Flatten -> Dense(256, ReLU) -> Dropout(0.5) -> Dense(jumlah_kelas, Softmax)