Perbandingan Performa Model SSD Mobilenet V2 dan FPNLite Dalam Deteksi Helm Pengendara Sepeda Motor

Abstract

Salah satu aspek penting dalam computer vision adalah deteksi objek yang bertujuan untuk mengidentifikasi dan menentukan posisi objek dalam gambar. Dalam konteks keselamatan, deteksi objek helm pada pengendara sepeda motor menjadi sangat penting untuk mengurangi risiko kecelakaan dan melindungi pengendara. Helm merupakan alat pelindung utama bagi pengendara sepeda motor dan melindungi kepala dari cedera serius saat terjadi kecelakaan. Dalam penelitian ini, mengimplementasikan deteksi objek helm menggunakan Framework TensorFlow dengan model pralatih menggunakan arsitektur Single Shot Multibox Detector (SSD) yang didasarkan pada model Mobilenet V2 dan Mobilenet V2 FPNLite. Model Mobilenet V2 dan Mobilenet V2 FPNLite telah dilatih menggunakan dataset yang berupa citra gambar pengendara sepeda motor memakai helm dan tidak memakai helm. Hasil evaluasi kinerja kedua model dengan menggunakan matrik mean Average Precision (mAP) menunjukkan bahwa model yang diusulkan mencapai tingkat mAP sebesar 71,59% pada model Mobilenet V2 FPNLite dan 80,12% pada model Mobilenet V2. Kata Kunci – Deteksi Objek, Helm, Tensorflow, SSD, Citra