Rancang Bangun Aplikasi Penerjemahan Tulisan di dalam Gambar Menggunakan Convolutional Recurrent Neural Network dan CRAFT

Royson, Royson (2022) Rancang Bangun Aplikasi Penerjemahan Tulisan di dalam Gambar Menggunakan Convolutional Recurrent Neural Network dan CRAFT. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (913kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (218kB) | Preview
Preview	PDF BAB_I.pdf Download (344kB) | Preview
Preview	PDF BAB_II.pdf Download (5MB) | Preview
Preview	PDF BAB_III.pdf Download (566kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (7MB)
Preview	PDF BAB_V.pdf Download (198kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Optical Character Recognition (OCR) adalah teknologi untuk memindai suatu gam- bar untuk mendapatkan tulisan di dalam gambar tersebut. Dengan masa globalisasi ini, sangatlah mudah untuk bepergian ke negara lain tetapi kebanyakan orang tidak dapat menggunakan lebih dari dua bahasa. Penelitian ini bertujuan untuk membantu orang yang sama sekali tidak bisa membaca tulisan negara yang didatangi supaya mereka dapat bepergian tanpa mempelajari bahasa baru. Untuk mencapai tujuan tersebut, digunakan library EasyOCR yang menggunakan algoritma CRAFT dan model CRNN untuk mendeteksi dan mengekstrak tulisan dari sebuah gambar, dan tulisan yang didapat bisa di copy and paste ke aplikasi terjemahan apapun. Setelah dievaluasi, model EasyOCR memiliki akurasi yang bagus dengan akurasi 95,3%, 93,4%, 93,9%, dan 93,6% untuk bahasa Inggris, Cina, Korea, dan Jepang dari gam- bar dengan kualitas bagus hingga yang memiliki sedikit blur.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	CRAFT, CRNN, deteksi, EasyOCR, OCR
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.5 Application / Software
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 04:10
Last Modified:	09 Aug 2023 07:58
URI:	https://kc.umn.ac.id/id/eprint/22184

Actions (login required)

View Item