Perpustakaan Digital ITB

Untuk membuat sistem pengenalan wajah yang akurat dibutuhkan banyak data latih citra wajah manusia. Di Indonesia, data wajah penduduk Indonesia hanya merupakan foto wajah tampak depan yang terdapat pada foto Kartu Tanda Penduduk. Kesulitan akan dialami apabila sistem pengenalan wajah dibuat untuk mengenali penduduk Indonesia karena keterbatasan data wajah penduduk. Solusi yang ditawarkan pada tugas akhir ini adalah untuk melakukan penambahan data latih wajah manusia (image augmentation) dengan menggabungkan metode GANimation dan transformasi citra sederhana. GAN merupakan suatu arsitektur dengan 2 jaringan saraf tiruan (neural network) yang disebut generator dan discriminator. Tujuan utama dari GAN adalah untuk menghasilkan suatu data baru yang menyerupai data masukan. GANimation adalah metode GAN yang dibuat oleh Albert Pumarola dan koleganya pada tahun 2019 untuk menghasilkan gambar wajah manusia dengan ekspresi baru. Untuk memperbanyak gambar yang dihasilkan, gambar sintesis yang dihasilkan oleh GANimation ditransformasi dengan transformasi citra sederhana. Terdapat 3 transformasi citra yang dilakukan yaitu transformasi intensitas yang mengubah cahaya di dalam gambar, transformasi perspektif yang bertujuan untuk membuat gambar menjadi miring, dan rotasi yang bertujuan untuk memutar gambar. Dari hasil pengujian, didapatkan bahwa gambar sintesis yang dihasilkan oleh gabungan GANimation dan transformasi citra sederhana dapat diidentifikasi oleh sistem pengenalan wajah yang dibuat oleh Adam Geitgey dan diidentifikasi sesuai dengan gambar aslinya. Gambar sintesis juga dapat digunakan sebagai data latih untuk sistem pengenalan wajah yang dibuat oleh David Sandberg. Terdapat beberapa batasan agar gambar hasil transformasi dapat dikenali oleh sistem pengenalan wajah yaitu maksimum 30 derajat untuk rotasi, setengah atau satu setengah kali cahaya asli untuk transformasi intensitas, dan pergeseran maksimal 48 pixel untuk transformasi perspektif.