13516155 Restu Wahyu Kartiko.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Deteksi dan klasifikasi objek merupakan salah satu sub bidang yang ramai dalam pengolahan
gambar berbasis deep learning. Banyak model deep learning yang sudah terbukti akurasi dan
performanya seperti faster R-CNN, YOLO, SSD. Banyak hal yang mempengaruhi kualitas
gambar seperti pencahayaan atau adanya noise. Oleh karena itu, model pengolahan citra harus
robust sehingga dapat mendeteksi objek dalam keadaan apapun. Adanya noise bintik air dan efek
blur akibat air hujan pada gambar membuat gambar menjadi tidak jelas. Kurangnya cahaya juga
menyebabkan garis antara objek dan latar belakang menjadi tidak jelas. Chia-Chi dalam
peneletiannya menyebutkan bahwa model nya yang berbasi Faster R-CNN memiliki akurasi yang
bagus, namun akurasi menurun pada kondisi hujan.
Pada tugas akhir ini dilakukan adaptasi dari YOLOv4 agar dapat membuat model yang lebih akurat
dalam deteksi objek dalam kondisi samar (hujan dan kurangnya cahaya). Model pertrained
YOLOv4 akan dilakukan transfer learning dengan menggunakan dataset khusus dalam kondisi
hujan dan kurangnya cahaya. Objek yang dideteksi dibatasi hanya 4 objek yaitu mobil, bus, truk,
dan manusia. Hasil Eksperimen menunjukan model hasil memiliki nilai mAP sebesar 55.49%.
Selain itu jika dibandingkan dengan model YOLOv4 asli, model hasil memiliki akurasi yang lebih
baik dalam mendeteksi objek dalam kondisi hujan dan kurang cahaya.