SEGMENTASI OBJEK BERBASIS GAMBAR TERMAL MENGGUNAKAN DEEP LEARNING (PRE-TRAINED RESNEXT 50)

Abstrak

Bidang transportasi pada masa kini telah mengalami banyak perkembangan teknologi yang disambut dengan baik oleh masyarakat khususnya masyarakat Indonesia. Dengan seiring perkembangan teknologi transportasi sudah mengalami banyak perkembangan, dengan kecanggihan serta peningkatan kenyamanan dan keamanan yang lebih baik. Maka dibuatlah teknologi Autonomus Car yang mampu membantu para pengendara untuk menjaga keselamatan saat berkendara. Autonomus car dibangun dengan mengguanalan metode kontrol Neural Network, dan juga Image Processing sebagai pemrosesan sinyal dengan input berupa gambar, dan dengan kamera flir digunakan untuk data input kendaraan. Autonomus car memiliki banyak dampak positif di kehidupan manusia hari ini, maka manusia dapat meminimalisir waktu dengan baik. Keselamatan perjalanan terjaga, serta mampu lebih produktif saat berkendara.

Metode yang saat ini berkembang dengan pesat adalah esktrasi otomatis mengguanakan deep learning. Dalam Tugas Akhir kali ini menggunakan metode ekstraksi otomatis dengan teknologi deep learning yang digunakan adalah Fully Convolutional Network (FCN) dengan arsitektur Residual Neural Network Next (ResNext).

Penelitian kali ini, akurasi ekstraksi utnuk pelatihan fungsi kendaraan otomatis mencapai 98% untuk ResNext 50 dengan resolusi yang dipakai 640x540 pixel. Segementasi semantic selanjutnya akan menguji dengan 34030 frame gambar secara offline. Pada arsitektur ResNext 50 terdapat 20512 frame kategori baik, 7883 kategori cukup dan 5605 kategori kurang baik.