SEGMENTASI OBJEK BERBASIS GAMBAR TERMAL MENGGUNAKAN DEEP LEARNING (PRE-TRAINED RESNEXT 50)
DOI:
https://doi.org/10.54706/senastindo.v4.2022.207Kata Kunci:
Deep Learning, Fully Convolutional Network, Image Processing, Neural NetworkAbstrak
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.
Unduhan
Referensi
Darenoh, N. V., Prasetyo, Y., Alfarakh, M. G., & Sari, Y. A. (2014). SEGMENTASI SEMANTIK CITRA DENGAN CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN ARSITEKTUR U-NET.
Pratama, A. B., Kadir, R. E. A., & Hady, M. A. (2022). Deteksi Ruang Kosong pada Jalan Menggunakan Semantic Segmentation pada Mobil Otonom. Jurnal Teknik ITS, 11(1), A23-A28.
Manajang, D., Sompie, S. R. U. A., & Jacobus, A. (2021). Implementasi Framework Tensorflow Object Detection API Dalam Mengklasifikasi Jenis Kendaraan Bermotor. Jurnal Teknik Informatika, 15(3), 171-178.
Wantania, B. B., Sompie, S. R., & Kambey, F. D. (2020). Penerapan Pendeteksian Manusia Dan Objek Dalam Keranjang Belanja Pada Antrian Di Kasir. Jurnal Teknik Informatika, 15(2), 101-108.
Golovanov, S., Kurbanov, R., Artamonov, A., Davydow, A., & Nikolenko, S. (2018). Building detection from satellite imagery using a composite loss function. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops (pp. 229-232).
Dahria, M. (2008). Kecerdasan Buatan (Artificial Intelligence). Jurnal Saintikom, 5(2), 185-197.
Samuel, A. L. (1988). Some studies in machine learning using the game of checkers. II—recent progress. Computer Games I, 366-400.
“Fully Connected Layers in Convolutional Neural Networks” https://indiantechwarrior.com/fully-connected-layers-in-convolutional-neural-networks/
“Apa itu Convolutional Neural Networks?” https://medium.com/@16611110/apa-itu-convolutional-neural-network-836f70b193a4
Caroline dkk. (2019). Identifikasi Jalan Kampus Universitas Sriwijaya Berbasis Fully Convolutional Network. SURYA ENERGY, 2(1), 353-358.
Sik-Ho Tsang. (2018). Review: ResNeXt — 1st Runner Up in ILSVRC 2016 (Image Classification). https://towardsdatascience.com/review-resnext-1st-runner-up-of-ilsvrc-2016-image-classification-15d7f17b42ac
“Segmentasi semantik untuk klasifikasi citra.” https://arifiany.medium.com/segmentasi-semantik-untuk-klasifikasi-citra-a004b3906250
NVIDIA Developer. (2018). Jetson AGX Xavier Developer Kit. Diakses pada 16 Januri 2022 dari, https://developer.nvidia.com/embedded/jetson-agx-xavier-developer-kit
Python. (2022). Python. Diakses pada 16 Januari 2022 dari, https://www.python.org/
LabelMe. (2021). LabelMe. Diakses pada 16 Januari 2022 dari, http://LabelMe2.csail.mit.edu/
“FLIR ADK Thermal Vision Automotive Development Kit Teledyne FLIR” https://www.flir.com/products/adk/
“Intersection Over Union” https://medium.com/bisa-ai/intersection-over-union-a8d1532899b3
