GTSRB Traffic Sign Classification 🚦

Proyek Deep Learning untuk klasifikasi rambu lalu lintas menggunakan dataset GTSRB (German Traffic Sign Recognition Benchmark).

Model dikembangkan menggunakan TensorFlow/Keras dan diekspor ke dalam format:

• SavedModel
• TensorFlow Lite (TFLite)
• TensorFlow.js (TFJS)

---

📌 Dataset

Dataset: GTSRB Final Training Images
Sumber: https://sid.erda.dk/public/archives/daaeac0d7ce1152aea9b61d9f1e19370/GTSRB_Final_Training_Images.zip

Dataset berisi:

• 43 kelas rambu lalu lintas
• Format gambar: .ppm
• Resolusi bervariasi

Dataset otomatis diunduh dan diekstrak melalui script di notebook.

---

⚙️ Arsitektur Model

Model dibangun menggunakan:

• Convolutional Neural Network (CNN)
• Data Augmentation
• Optimizer: Adam
• Loss: Categorical Crossentropy / Sparse Categorical Crossentropy
• Metrics: Accuracy

---

🚀 Output Model

Setelah training, model diekspor ke:

1️⃣ SavedModel

Digunakan untuk deployment atau konversi lanjutan.

2️⃣ TensorFlow Lite

Digunakan untuk deployment di perangkat mobile / embedded.

3️⃣ TensorFlow.js

Digunakan untuk deployment di browser.

---

▶️ Cara Menjalankan

1. Buka notebook di Google Colab
2. Mount Google Drive
3. Jalankan seluruh cell secara berurutan
4. Model dan dataset akan tersimpan otomatis di Google Drive

---

📊 Evaluasi

Model dievaluasi menggunakan:

• Validation Accuracy
• Loss Curve
• Visualisasi performa training

---

🧠 Framework

• TensorFlow 2.x
• Keras API
• TensorFlow Lite Converter
• TensorFlow.js Converter

---

👤 Author

Antonius Sigid Priharsanto
Deep Learning Project – 2026