Analisis Deteksi Objek Citra Digital Menggunakan Algoritma Yolo dan CNN Dengan Arsitektur REPVGG pada Sistem Pendeteksian dan Pengenalan Ekspresi Wajah
Abstract
Salah satu topik yang paling sering digunakan dalam machine learning adalah mendeteksi wajah. Metode yang digunakan dalam mendeteksi wajah sangat beragam. Kami menggunakan algoritma YOLO dan arsitektur RepVGG untuk mendeteksi ekspresi wajah. YOLO menerapkan satu jaringan saraf yang dimana pada algoritma ini dapat membagi gambar dalam beberapa wilayah sehingga dapat diprediksi yang akan menghasilkan data yang akurat dengan secara real-time. Sedangkan RepVGG menerapkan jaringan saraf konvolusi untuk mengklasifikasi gambar (deteksi objek) dalam skala besar. Dalam pengklasifikasian ekspresi wajahnya menggunakan dataset fer2013. Dataset yang digunakan terbagi menjadi 7 kelompok ekspresi wajah yaitu Neutral, Happy, Sad, Anger, Fear, Surprise dan Disgust. Hasil dari pengujian algoritma YOLO mendapatkan tingkat keyakinan sebesar 89%. Dan untuk pengujian keseluruhan sistem untuk ekspresi Happy menghasilkan tingkat keyakinan sebesar 99,3%.
Downloads
Copyright (c) 2022 Anisa Pratiwi Saputri, Ahmad Taqwa, Sopian Soim
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.