SEGMENTASI OBJEK BERBASIS GAMBAR THERMAL MENGGUNAKAN DEEP LEARNING (PRE-TRAINED RESNET101

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.