Analisis Deteksi Objek Citra Digital Menggunakan Algoritma Yolo dan CNN Dengan Arsitektur REPVGG pada Sistem Pendeteksian dan Pengenalan Ekspresi Wajah

  • Anisa Pratiwi Saputri Program Studi Teknik Telekomunikasi, Jurusan Teknik Elektro, Politeknik Negeri Sriwijaya Palembang, Sumatera Selatan, Indonesia
  • Ahmad Taqwa Program Studi Teknik Telekomunikasi, Jurusan Teknik Elektro, Politeknik Negeri Sriwijaya Palembang, Sumatera Selatan, Indonesia
  • Sopian Soim Program Studi Teknik Telekomunikasi, Jurusan Teknik Elektro, Politeknik Negeri Sriwijaya Palembang, Sumatera Selatan, Indonesia
Keywords: YOLO, CNN, Ekspresi Wajah, RepVGG, Fer2013

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

Download data is not yet available.
Published
2023-01-13