Simulasi metode convolutional neural network dan long short-term memory untuk generate image captioning pada gambar lalu lintas kendaraan berbahasa Indonesia
| Main Authors: | Fenty Eka Muzayyana Agustin ( Pembimbing i ), Victor Amrizal ( Pembimbing II ), Isma Artyani |
|---|---|
| Format: | Book |
| Bahasa: | ind |
| Terbitan: |
Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta
, 2019
|
| Subjects: | |
| Online Access: |
http://opac.fst.uinjkt.ac.id//index.php?p=show_detail&id=3665 |
Daftar Isi:
- Intelligent Transport System sebagai salah satu penerapan teknologi kecerdasan buatan yang digunakan untuk memantau lalu lintas kendaraan di jalan. Sistem tersebut menggunakan gambar atau video sebagai media penyebaran informasi lalu lintas kepada masyarakat. Salah satu cara untuk mendapatkan informasi dari gambar adalah dengan membaca deskripsi dari gambar tersebut. Dengan deskripsi gambar, kita dapat memahami informasi yang tersirat dari gambar. Oleh karena itu dibutuhkan deskripsi pada gambar lalu lintas kendaraan agar masyarakat dapat dengan mudah memahami informasi yang diberikan oleh Intelligent Transport System. Untuk dapat membuat deskripsi gambar, komputer memerlukan sebuah metode gabungan computer vision untuk mengolah gambar dan natural language processing untuk mengolah teks deskripsi gambar. Dalam penelitian ini dilakukan simulasi metode Convolutional Neural Network dengan Long Short Term Memory untuk menghasilkan model yang akan digunakan untuk Generate Image Captioning pada gambar lalu lintas kendaraan. Penelitian ini menghasilkan dua model. Model-1 yang menggunakan VGG-16 untuk ekstraksi fitur gambar dan Model-2 yang menggunakan ResNet50 untuk ekstraksi fitur gambar dengan hasil skor BLEU {1,2,3,4} dari masing- masing model sebesar {0.66 , 0.50, 0.43, 0.30} pada Model-1 dan {0.67, 0.51, 0.42, 0.27} pada Model-2.Kata Kunci : Image captioning;Lalu lintas;Kendaraan;Convolutional neural network;VGG-16;ResNet50;Long short term memory
- xv, 93 hlm; 28 cm.