SEGMENTASI OBJEK BERBASIS GAMBAR THERMAL MENGGUNAKAN DEEP LEARNING (PRE-TRAINED RESNET101
DOI:
https://doi.org/10.54706/senastindo.v4.2022.211Kata Kunci:
Autonomous vehicle, image processing and Jetson AGX Xavier.Abstrak
Saat ini, mobil merupakan salah satu alat transportasi yang banyak digunakan oleh banyak orang dan sudah menjadi kebutuhan untuk memiliki mobil guna membantu penggunanya bergerak dengan lebih mudah. Teknologi mobil pun terus dikembangkan oleh para ahli, di antaranya sistem bantu kemudi dan keselamatan bagi pengguna mobil, misalnya pembacaan objek dan batas jalan secara otomatis yang dapat bermanfaat untuk kedua hal tersebut. Sistem ini dibangun menggunakan metode Fully Convolutional Network (FCN) dengan arsitektur Residual Neural Network (ResNet), dan juga Image Processing sebagai pemrosesan sinyal dengan input berupa gambar, dan dengan kamera thermal flir sebagai data input kendaraan. Data tersebut yang dihasilkan oleh kamera thermal ini dilabelin terlebih dahulu kemudian ditraining sehingga dapat mensegmentasi objek dengan benar sesuai klasifikasinya, Dalam penelitian ini, akurasi ekstraksi training yang dihasilkan oleh fitur autonomous vehicle dapat mencapai 96.27% untuk ResNet 101 dengan resolusi yang dipakai 640x480 pixel. Adapun saran untuk pengembangan agar lebih bagus lagi dalam hal mensegmentasi yaitu dengan menggunakan data training lebih banyak dari yang digunakan sekarang dan lokasi pengambilan gambar untuk dataset di tempat yang berbeda dari penelitian saat ini.
Unduhan
Referensi
Segmentasi semantik untuk klasifikasi citra.” https://arifiany.medium.com/segmentasi- semantik-untuk-klasifikasi-citra-a004b3906250 (diakses tanggal 30 september 2022)
Apa itu Machine Learning?” https://www.dicoding.com/blog/machine-learning-adalah/ (diakses tanggal 30 september 2022).
Sadly Syamsudin, Guritnaningsih, Dewi Maulina. 2019. Literatur Riview Artificial Intelelligence Deteksi Hasil ctscan Paru-paru Pasien Terjangkit Covid 19. Diakses pada 01 September 2022.
Gonzales, R.C., dan Woods, R.E. 2022. Digital Image Processing. Prentice hall New Jersey. Diakses pada pada tanggal 01 september
“Residual Networks (Resnet) mengenai apa itu resnet dan penjelesan menganai resnet101 https://www.geeksforgeeks.org/residual-networks-resnet-deep-learning/ (diakses tanggal 01 September 2022)
Visual Studio Code https://www.codepolitan.com/visual-studio-code-list-ekstensi- pendukung-css. Diakses pada 16 Juli 2022.
Tjahjono, Dedy Abdullah, Ari Manik. 2018. Kelalaian Manusia (Human Error) Dalam Kecelakaan Lalu Lintas, Diakses pada 12 Agustus 2022.
Vladimir Puzyrev. 2018. Deep Learning Electromagnetic Inversion with Convolutional Neural Networks. Curtin University.
Murphy, K.P. 2012. Machine Learning: a probabilistic perspective. MIT press
