Saragih, Raymond Erz (2021) FINE-TUNING UNTUK PENGENALAN WAJAH DAN EKSPRESINYA BERBASIS CNN. S2 thesis, Universitas Atma Jaya Yogyakarta.
|
Text (Raymond Erz Saragih)
195303110_bab0.pdf Download (303kB) | Preview |
|
|
Text
195303110_bab1.pdf Download (177kB) | Preview |
|
![[img]](http://e-journal.uajy.ac.id/style/images/fileicons/text.png) |
Text
195303110_bab2.pdf Restricted to Registered users only Download (110kB) |
|
|
Text
195303110_bab3.pdf Restricted to Registered users only Download (628kB) |
|
|
Text
195303110_bab4.pdf Restricted to Registered users only Download (582kB) |
|
|
Text
195303110_bab5.pdf Restricted to Registered users only Download (872kB) |
|
|
Text
195303110_bab6.pdf Download (177kB) | Preview |
Abstract
Pengenalan wajah dan pengenalan ekspresi wajah merupakan salah satu tantangan di bidang penglihatan komputer. Kombinasi pengenalan wajah dan pengenalan ekspresi wajah menjadi tantangan lain karena harus dilakukan pelatihan untuk mengenali wajah dan ekspresi wajah. Sehingga, wajah orang tersebut bisa dikenali beserta dengan ekspresinya. Di dalam penelitian ini, pre-trained model, MobileNet, MobileNetV2, dan VGG-16 diterapkan dan dilatih menggunakan transfer learning dengan fine-tuning untuk pengenalan wajah dan pengenalan ekspresi wajah. Deteksi dan pelurusan wajah digunakan untuk mendeteksi dan meluruskan wajah dalam gambar, sementara model-model tersebut digunakan untuk mengenali wajah dan ekspresinya. Georgia Tech Face Database, AT&T Face Database, dan FEI Face Database digunakan untuk pengenalan wajah dan RAF-DB dengan tujuh ekspresi, seperti marah, sedih, netral, bahagia, terkejut, jijik, dan takut, digunakan untuk pengenalan ekspresi wajah. Hasilnya menunjukkan bahwa MobileNet mencapai kinerja yang lebih tinggi pada RAF-DB dengan akurasi sebesar 84,52%. MobileNet dapat mencapai akurasi 100% pada tiga dataset pengenalan wajah, Georgia Tech Face Database, AT&T Face Database, dan FEI Face Database, sedangkan MobileNetV2 dan VGG-16 mencapai 100% pada Georgia Tech dan AT&T Face Database. Sementara untuk dataset RAF-DB dan FEI Face Database, MobileNetV2 masing-masing mencapai 83,83% dan 99,52%, sedangkan VGG-16 masing-masing mencapai 83,74% dan 96,19%.
| Item Type: | Thesis (S2) |
|---|---|
| Uncontrolled Keywords: | Pengenalan wajah, Pengenalan Ekspresi Wajah, Pre-trained model, Transfer Learning, Fine-tuning |
| Subjects: | Magister Teknik Informatika > Inovation of Computational Science |
| Divisions: | Pasca Sarjana > Magister Teknik Informatika |
| Depositing User: | editor2 dua uajy |
| Date Deposited: | 02 Sep 2021 12:47 |
| Last Modified: | 02 Sep 2021 12:47 |
| URI: | http://e-journal.uajy.ac.id/id/eprint/24630 |
Actions (login required)
 |
View Item |
