Haris2303/resnet-lstm-fish-classification

🧠 Model deep learning untuk klasifikasi enam jenis ikan laut dari Kota Sorong menggunakan ResNet50 dan LSTM. Model ini memanfaatkan urutan gambar dari video untuk memahami pola visual secara temporal. Dikembangkan dengan TensorFlow dan dilatih menggunakan dataset lebih dari 6000 gambar. # 🎣 Klasifikasi Jenis Ikan Laut Kota Sorong Menggunakan Deep Learning (CNN (ResNet50) + LSTM) Proyek ini bertujuan untuk mengembangkan model deep learning berbasis ResNet50 dan LSTM untuk klasifikasi **jenis ikan hasil laut di Kota Sorong**. Dataset berupa **urutan gambar (frame)** yang diambil dari video ikan. --- ## 📁 Dataset & Notebook | Resource | Link | | ---------------------------------- | --------------------------------------------------------------------------------------------------------------- | | 📁 Dataset (6 Kelas, Terstruktur) | 🔗 Google Drive Dataset | | 📓 Notebook Colab (cnn_lstm.ipynb) | 🔗 Google Colab Code | > 💡 _Silakan salin ke Google Drive Anda sendiri sebelum digunakan._ --- ## 📌 Tujuan Riset - Menggunakan **CNN (ResNet50)** untuk ekstraksi fitur gambar - Menggabungkan **LSTM** untuk menangkap informasi berurutan antar frame - Meningkatkan akurasi klasifikasi jenis ikan menggunakan pendekatan temporal - Membangun pipeline **end-to-end**: ekstraksi data, preprocessing, training, evaluasi --- ## 🧠 Arsitektur Model - Input: Urutan 10 frame gambar berukuran 224x224 piksel - Feature extractor: `ResNet50` (pretrained ImageNet, frozen) - Temporal model: `LSTM` (2 lapis, 128 unit) + `Dropout` - Output: `Dense` dengan `Softmax` untuk klasifikasi 6 jenis ikan --- ## Metodologi Penelitian Gambar 1. Diagram Kerangka Penelitian Menggunakan Draw Io ## 🗂️ Struktur Folder ```bash /content/ ├── dataset/ │ ├── Kakap Merah/ │ │ ├── ikan001/ │ │ ├── ikan002/ │ ├── Bubara/ │ └── ... ├── cnn_lstm.ipynb 👈 notebook utama ├── saved_model/ 👈 folder hasil model ``` ## Referensi Jurnal | Judul | Link …