Pengenalan Objek Pada Citra Digital dengan Algoritma Region-based Convolutional Neural Network (R-CNN)
| Main Author: | Adie, Heronimus Tresy Renata |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://e-journal.uajy.ac.id/16707/1/TF078240.pdf http://e-journal.uajy.ac.id/16707/2/TF078241.pdf http://e-journal.uajy.ac.id/16707/3/TF078242.pdf http://e-journal.uajy.ac.id/16707/4/TF078243.pdf http://e-journal.uajy.ac.id/16707/5/TF078244.pdf http://e-journal.uajy.ac.id/16707/6/TF078245.pdf http://e-journal.uajy.ac.id/16707/7/TF078246.pdf http://e-journal.uajy.ac.id/16707/ |
Daftar Isi:
- Pada masa ini computer vision sudah semakin berkembang dan lebih praktikal. Salah satu topik yang populer dibidang computer vision adalah pengenalan objek. Seiring dengan perkembangannya, tingkat kesulitan yang dihadapi dalam pengenalan objek pun semakin kompleks. Besarnya data dan proses komputasi yang rumit membuat diperlukannya metode yang tepat untuk menangani permasalahan pengenalan objek. Convolutional Neural Network (CNN) merupakan metode yang paling banyak digunakan untuk menangani permasalah pengenalan objek. Salah satu metode berbasis CNN yang ada dan telah teruji hasilnya adalah Region-based Convolutional Neural Network (R-CNN). Akan tetapi penggunaan R-CNN sejauh ini belum menggunakan model jaringan dan dataset terbaru. Berdasarkan hal tersebut, maka masih terdapat ruang untuk pengembangan metode R-CNN dengan pembaharuan pada model jaringan maupun dataset yang lebih baru. Model jaringan yang akan digunakan pada penelitian ini adalah VGG, ResNet, dan MobileNet dengan VOC 2012 sebagai dataset. Hasil dari penelitian ini akan menunjukan performa pengenalan objek dengan metode R-CNN pada model jaringan VGG, ResNet, dan MobileNet dengan dataset VOC 2012. Performa yang diuji antara lain adalah waktu pelatihan, kecepatan deteksi, tingkat akurasi, dan ukuran bobot. Pengujian pada penelitian ini menunjukan bahwa pengembangan pengenalan objek dengan metode R-CNN pada model jaringan dan dataset yang lebih baru dapat dilakukan dan menunjukan waktu deteksi tercepat 101 ms dan tingkat mean average precission tertinggi 0,759.