Deteksi Sepeda Motor di Jalan Raya Menggunakan Faster R-CNN Berbasis VGG16

Moch Dian Lazuardi Yudha, Wawan Setiawan, Yaya Wihardi

Abstract


Penelitian ini bertujuan untuk mengembangkan sistem deteksi objek dengan masukan berupa data citra dalam ukuran bebas. Pengembangan model sistem deteksi objek dilakukan penerapan Machine Learning untuk mengatasi deteksi objek pada sebuah citra dengan metode Faster R-CNN yang berbasis algoritma VGG16. Sistem yang dikembangkan menghasilkan bounding box pada sebuah objek yang berada didalam citra. Pengembangan sistem dilakukan dalam bahasa pemrograman Python dengan memanfaatkan beberapa library seperti Keras. Eksperimen dilakukan dengan mengukur nilai loss dari data training yang dimasukan kedalam sistem. Hasil eksperimen menunjukan bahwa informasi yang dihasilkan terbukti dapat mendeteksi objek pada sebuah citra yang diberikan. Sistem ini dapat menghasilkan informasi berdasarkan data citra yang telah di-training dengan sistem ini.

 


Keywords


Computer Vision; Machine Learning; Faster RCNN; VGG16; Convolutional Neural Network; Regional Proposal Network; ROI Pooling

Full Text:

PDF

References


Zhu, Wentao, dkk, (2012), Vehicle Detection in Driving Simulation Using Extreme Learning Machine. Intitute of Computing Technology, China.

Bianco, Simone,. Marco, B., Davide, M., Raimondo, S., (2016). Deep Learning for Logo Recognition. University Degli Study. Milano.

Zhan, Shu, Qin, T., Xiao, Li. (2015). Face Detection Using Representation Learning. Hefei University of Technology. China.

Wang, Yi, Zhiming, L., Pierre, J. (2016). Interactive Deep Learning Method for Segmenting Moving Objects. University of Sherbrooke. Canada.

Riza, L. S. (2015). Data Science and Big Data Processing in R: Representations and Software. Granada: Universidad de Granada.

Arthur, S. L. (1959). Some Studies in Machine Learning Using the Game of Checkers. IBM Journal of Research and Development.

Song, Zhenzhen., dkk, (2019), Kiwifruit detection in field images using Faster R-CNN with VGG16. Northwest A&F University, China.

Deng, Zhipeng, Hao Sun, Shilin Zhou, Juanping Zhao, Lin Lei, Huanxin Zou. (2018). Multi-scale Object Detection in Remote Sensing Imagery with Convolutional Neural Network. Changsha: College of Electronic Science.

Chahyati, Dina, Mohamad Ivan Fanany, Aniati Murni Arymurthy. (2017). Tracking People by Detection Using CNN Features. Universitas Indonesia, Indonesia.

Ren, Shaoqing, Kaiming He, Ross Girshick, Jian Sun. (2016). Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks. University of Science and Technology China. China.

Girshick, Ross, (2015). Fast R-CNN. Microsoft Research. Microsoft.




DOI: https://doi.org/10.17509/jatikom.v4i2.41499

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Jurnal Aplikasi dan Teori Ilmu Komputer



JATIKOM is published by Universitas Pendidikan Indonesia
Jl. Dr. Setiabudhi 229 Bandung 40154, West Java, Indonesia
Website: http://www.upi.edu