implementasi convolutional neural network dan algoritma mean shift pada model pelacak tangan
| Main Author: | Adiguna, Richard |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://kc.umn.ac.id/4965/1/bab%20ii.pdf http://kc.umn.ac.id/4965/2/bab%20i.pdf http://kc.umn.ac.id/4965/3/bab%20v.pdf http://kc.umn.ac.id/4965/4/bab%20iv.pdf http://kc.umn.ac.id/4965/5/bab%20vi.pdf http://kc.umn.ac.id/4965/5/bab%20iii.pdf http://kc.umn.ac.id/4965/6/daftar%20pustaka.pdf http://kc.umn.ac.id/4965/7/halaman%20awal.pdf http://kc.umn.ac.id/4965/8/lampiran.pdf http://kc.umn.ac.id/4965/ |
Daftar Isi:
- Pengenalan tangan merupakan salah satu bidang yang cukup penting dalam computer vision. Kemampuan mesin untuk mengenali tangan dirasa cukup sulit karena tangan memiliki banyak degree of freedom yang memungkinkan postur tangan sangat beragam. Tujuan dari mengenali postur tangan bagi mesin adalah untuk menambah pengertian dan maksud terhadap penyampaian informasi dari manusia secara verbal dan non verbal kepada mesin. Banyak penelitian yang mengembangkan model pelacak tangan dan pengenal tangan lalu digunakan sebagai alat untuk interaksi antara manusia dengan komputer. Salah satu contoh dari penggunaan pengenal tangan adalah sensor gerak tangan yang digunakan untuk permainan menggunakan komputer, seperti virtual reality game, augmented reality game, dan kinect game. Hal tersebut merupakan bukti pelacak dan pengenal tangan sangat penting untuk menunjang interaksi antara manusia dengan komputer. Oleh karena itu pembuatan model pelacak dan pengenal yang kuat sangat dibutuhkan untuk membantu manusia lebih efisien memberikan informasi kepada mesin. Penelitian ini bertujuan membuat model pelacak tangan dimana model pelacak tangan juga membutuhkan model deteksi tangan sebagai salah satu alat untuk melacak tangan. Pembuatan model deteksi akan menggunakan convolutional neural network yang terbaik dari dua arsitektur model yang diadaptasi dari penelitian Chen, Wu, Hsieh & Fu (2016) dan proyek cuda-convnet2. Untuk pembuatan model pelacak tangan akan menggunakan metode image pyramid dan algoritma mean shift untuk melacak tangan. Hasil yang diperoleh dari pembuatan model deteksi yaitu model yang diadaptasi dari proyek cuda-convnet2 memiliki performa lebih baik dan stabil. Kemudian hasil dari model pelacak, masih adanya kekurangan pada tahap lokalisasi yang membutuhkan teknik clustering untuk mendapatkan hasil yang baik.