Cover Image

Pengujian Peningkatan Kualitas Detektor Fitur dalam Mendeteksi Titik Fitur pada Citra Wajah

Main Author: Leondy, Leondy
Format: Thesis NonPeerReviewed application/pdf
Bahasa: eng
Terbitan: , 2019
Subjects:
T58.5-58.64 Information technology
Online Access: http://kc.umn.ac.id/13892/1/HALAMAN_AWAL.pdf
http://kc.umn.ac.id/13892/2/DAFTAR_PUSTAKA.pdf
http://kc.umn.ac.id/13892/3/BAB_I.pdf
http://kc.umn.ac.id/13892/4/BAB_II.pdf
http://kc.umn.ac.id/13892/5/BAB_III.pdf
http://kc.umn.ac.id/13892/6/BAB_IV.pdf
http://kc.umn.ac.id/13892/7/LAMPIRAN.pdf
http://kc.umn.ac.id/13892/
ctrlnum 13892
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://kc.umn.ac.id/13892/</relation><title>Pengujian Peningkatan Kualitas Detektor Fitur dalam Mendeteksi Titik Fitur pada Citra Wajah</title><creator>Leondy, Leondy</creator><subject>T58.5-58.64 Information technology</subject><description>Penelitian yang membahas mengenai pengenalan citra wajah saat ini telah menjawab berbagai macam tantangan teknologi yang bermanfaat bagi kehidupan. Pengujian dataset wajah yang dilakukan berkaitan dengan tingkat variasi tinggi pada frekuensi domain dan dapat direpresentasikan sebagai derau. Kuantitas derau yang terdapat pada citra dapat memengaruhi kinerja dari sistem pengenalan wajah sehingga jumlah keypoints yang terdeteksi dan kualitas detektor fitur menjadi tidak maksimal. Oleh karena itu, pada penelitian ini akan difokuskan pada peningkatan kualitas pendeteksian fitur wajah dengan mengatasi masalah derau pada citra. Proses pengujian dimulai dengan merekonstruksi sepasang citra 2D menjadi Model 3D. Dataset yang digunakan diambil sebanyak 6 pasang citra 2D dari database Head-Pose dan ORL dengan sudut pengambilan citra sebesar 15 derajat dari sisi kiri dan kanan wajah. Kemudian, algoritma discrete cosine transform (DCT) diimplementasikan untuk menghilangkan derau dengan koefisien 0.25, 0.5 dan 0.75. Penelitian dilanjutkan dengan proses pendeteksian keypoints wajah menggunakan 5 detektor fitur, yaitu Harris Stephens, Speeded Up Robust Features (SURF), Features from Accelerated Segment Test (FAST), Minimum Eigen Value dan Binary Robust Invariant Scalable Keypoints (BRISK). Hasil pendeteksian akan menghasilkan 15 titik wajah yang terdeteksi dan akan dikalkulasi hasil akurasinya berdasarkan perhitungan recall, precision, dan f-score. Hasil akhir pada penelitian ini memperoleh nilai f-score terbaik sebesar 0.4 oleh detektor fitur SURF dengan koefisien DCT sebesar 0.25.</description><date>2019</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13892/1/HALAMAN_AWAL.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13892/2/DAFTAR_PUSTAKA.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13892/3/BAB_I.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13892/4/BAB_II.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13892/5/BAB_III.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13892/6/BAB_IV.pdf</identifier><type>File:application/pdf</type><language>eng</language><identifier>http://kc.umn.ac.id/13892/7/LAMPIRAN.pdf</identifier><identifier> Leondy, Leondy (2019) Pengujian Peningkatan Kualitas Detektor Fitur dalam Mendeteksi Titik Fitur pada Citra Wajah. Internship thesis, Universitas Multimedia Nusantara. </identifier><recordID>13892</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
File:application/pdf
File
author Leondy, Leondy
title Pengujian Peningkatan Kualitas Detektor Fitur dalam Mendeteksi Titik Fitur pada Citra Wajah
publishDate 2019
topic T58.5-58.64 Information technology
url http://kc.umn.ac.id/13892/1/HALAMAN_AWAL.pdf
http://kc.umn.ac.id/13892/2/DAFTAR_PUSTAKA.pdf
http://kc.umn.ac.id/13892/3/BAB_I.pdf
http://kc.umn.ac.id/13892/4/BAB_II.pdf
http://kc.umn.ac.id/13892/5/BAB_III.pdf
http://kc.umn.ac.id/13892/6/BAB_IV.pdf
http://kc.umn.ac.id/13892/7/LAMPIRAN.pdf
http://kc.umn.ac.id/13892/
contents Penelitian yang membahas mengenai pengenalan citra wajah saat ini telah menjawab berbagai macam tantangan teknologi yang bermanfaat bagi kehidupan. Pengujian dataset wajah yang dilakukan berkaitan dengan tingkat variasi tinggi pada frekuensi domain dan dapat direpresentasikan sebagai derau. Kuantitas derau yang terdapat pada citra dapat memengaruhi kinerja dari sistem pengenalan wajah sehingga jumlah keypoints yang terdeteksi dan kualitas detektor fitur menjadi tidak maksimal. Oleh karena itu, pada penelitian ini akan difokuskan pada peningkatan kualitas pendeteksian fitur wajah dengan mengatasi masalah derau pada citra. Proses pengujian dimulai dengan merekonstruksi sepasang citra 2D menjadi Model 3D. Dataset yang digunakan diambil sebanyak 6 pasang citra 2D dari database Head-Pose dan ORL dengan sudut pengambilan citra sebesar 15 derajat dari sisi kiri dan kanan wajah. Kemudian, algoritma discrete cosine transform (DCT) diimplementasikan untuk menghilangkan derau dengan koefisien 0.25, 0.5 dan 0.75. Penelitian dilanjutkan dengan proses pendeteksian keypoints wajah menggunakan 5 detektor fitur, yaitu Harris Stephens, Speeded Up Robust Features (SURF), Features from Accelerated Segment Test (FAST), Minimum Eigen Value dan Binary Robust Invariant Scalable Keypoints (BRISK). Hasil pendeteksian akan menghasilkan 15 titik wajah yang terdeteksi dan akan dikalkulasi hasil akurasinya berdasarkan perhitungan recall, precision, dan f-score. Hasil akhir pada penelitian ini memperoleh nilai f-score terbaik sebesar 0.4 oleh detektor fitur SURF dengan koefisien DCT sebesar 0.25.
id IOS6965.13892
institution Universitas Multimedia Nusantara
institution_id 355
institution_type library:university
library
library Perpustakaan Universitas Multimedia Nusantara
library_id 306
collection Knowledge Center UMN
repository_id 6965
subject_area Business/Bisnis
Communication/Komunikasi
Art Apreciation/Apresiasi Seni
Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
city TANGERANG
province BANTEN
shared_to_ipusnas_str 1
repoId IOS6965
first_indexed 2020-12-19T03:51:08Z
last_indexed 2020-12-19T03:51:08Z
recordtype dc
_version_ 1686477462148481024
score 17.538404

Lihat Juga