Model Deep Learning Untuk Klasifikasi Objek Pada Gambar Fisheye

Abstract

Pengenalan suatu objek secara otomatis adalah suatu pekerjaan yang sangat penting seperti halnya untuk mengidentifikasi sebuah objek tertentu. Jika hal ini dilakukan oleh manusia maka akan sulit untuk mendapatkan hasil yang baik dengan konsisten, oleh sebab itu digunakan komputer. Komputer dapat mengenali objek selayaknya kemampuan manusia dalam mengenali objek, dengan cara mengamati gambar yang diperoleh dari kamera, dan menerapkan metode pengenalan pada gambar tersebut. Pada penelitian ini metode pengenalan objek akan dikembangkan dengan menggunakan kamera fisheye yang memiliki luas tangkap empat kali kamera konvensional. Metode pengenalan objek yang digunakan yaitu deep learning dengan arsitektur CNN (Convolution Neural Network). CNN memiliki kemampuan untuk mengenali objek dalam gambar. Model CNN yang digunakan terdiri dari 1 layer, 2 layer, 3 layer, dan 7 layer. Sedangkan untuk melatih dan memvalidasi model tersebut digunakan 900 gambar dataset. Hasil pengujian pada penelitian Skripsi ini menunjukan bahwa pada 7 layer CNN menghasilkan nilai presisi, recall dan akurasi tertinggi dengan komposisi nilai presisi 98,56%, recall 98,5% dan akurasi 98,59%. Nilai tersebut menunjukan bahwa hasil klasifikasi terhadap ketiga klasifikasi objek gambar manusia pada gambar fisheye dapat dilakukan dengan sangat baik.

Keywords

• Deep Learning
• Convolution Neural Network
• Layer
• Fisheye