Wiranata, I Made Nomo (2019) EMOTION RECOGNITON BERBASIS DEEP LEARNING DENGAN AUTOENCODER. S2 thesis, UAJY.
|
Text (HALAMAN AWAL)
MTF026810.pdf Download (504kB) | Preview |
|
|
Text (BAB I)
MTF026811.pdf Download (188kB) | Preview |
|
![[img]](http://e-journal.uajy.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
MTF026812.pdf Restricted to Registered users only Download (190kB) |
|
|
Text (BAB III)
MTF026813.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB IV)
MTF026814.pdf Restricted to Registered users only Download (543kB) |
|
|
Text (BAB V)
MTF026815.pdf Restricted to Registered users only Download (359kB) |
|
|
Text (BAB VI)
MTF026816.pdf Download (188kB) | Preview |
Abstract
Ekspresi wajah merupakan salah satu untuk mengekpresikan emosi. Pengnalah ekpresi wajah merupakan salah satu bidang penelitian yang penting dan major dalam bidang computer vision. Namun, masih merupakan salah satu area peneliatian yang unik dan menantang karena dapat di kombinasikan dengan beberapa metode, salah satunya yaitu deep learning. Deep learning yang sedang popular digunakan karena memiliki keunggulan untuk mengolah data dalam jumlah besar serta dapat secara otomatis mempelajari fitur pada data mentah. Maka dari itu deep learning cocok untuk di pakai pada penelitian face emotion recognition. Deep learning terdiri dari beberapa metode, salah satunya convolutional neural network yang akan di gunakan pada penelitian ini. Pada peneliatin ini juga menggunakan metode convolutiuonal autoencoder (CAE) untuk mengeksplor kelebihan yang dapat muncul dibandingkan penelitian sebelumnya. CAE memiliki kelebihan untuk rekonstruksi gambar dan denoising gambar, tetapi kami akan mengeksplorasi CAE untuk melakukan klasifikasi dengan CNN. Yang mana data input akan melalui proses autoencoder sebelum dilakukan klasifikasi menggunakan CNN. Untuk menguji model pengenalan face emotion, kami menggunakan dataset Karolinska Directed Emotional Faces (KDEF), yang mana terdiri dari 4900 gambar dari 35 orang yang berbeda untuk 7 jenis emosi dengan 5 angle . Dari hasil percobaan menggunakan dataset KDEF, akurasi yang di dapatkan sebesar 81,77%.
| Item Type: | Thesis (S2) |
|---|---|
| Uncontrolled Keywords: | Deep Learning, Face Emotion, CAE, CNN |
| Subjects: | Magister Teknik Informatika > Soft Computing |
| Divisions: | Pasca Sarjana > Magister Teknik Informatika |
| Depositing User: | Editor UAJY |
| Date Deposited: | 18 Oct 2019 03:42 |
| Last Modified: | 18 Oct 2019 03:42 |
| URI: | http://e-journal.uajy.ac.id/id/eprint/20478 |
Actions (login required)
 |
View Item |
