Article Details

KLASIFIKASI ATRIBUT BERESOLUSI RENDAH

Oleh   Vincent Chuardi [13517103]
Kontributor / Dosen Pembimbing : Nugraha Priya Utama, S.T., MA, Ph.D.;
Jenis Koleksi : S1-Tugas Akhir
Penerbit : STEI - Teknik Informatika
Fakultas : Sekolah Teknik Elektro dan Informatika (STEI)
Subjek :
Kata Kunci : klasifikasi atribut, klasifikasi warna.
Sumber :
Staf Input/Edit : Dessy Rondang Monaomi  
File : 0 file
Tanggal Input : 29 Mar 2022

Tidak ada file


Attributes Classification adalah proses klasifikasi atribut-atribut berupa pakaian (berupa baju, kemeja, jaket, celana panjang, celana pendek, dsb) dan atribut kepala (berupa topi dan helm) yang dipakai oleh orang. Selain melakukan klasifikasi jenis atribut yang dipakai pada orang, dilakukan juga pendeskripsian warna atribut-atribut yang terdeteksi. Tahapan penting pada tugas akhir ini adalah tahap super resolusi, tahap deteksi dan klasifikasi, dan tahap klasifikasi warna. Super resolusi yang digunakan adalah FSRCNN tipe small dengan skala bernilai 4. Model super resolusi digunakan model pre-train sumber. Waktu eksekusi yang diperlukan oleh FSRCNN tipe small adalah 5 milidetik. Metoda objek detektsi yang digunakan berupa YOLO versi 4 standar. Model pada metoda YOLOv4 dilatih ulang dengan menggunakan dataset dengan kelas-kelas yang relevan berupa kelas atribut pakaian. YOLOv4 memiliki mAP berupa 46% dan merupakan metoda dengan mAP tertinggi dibanding dengan metoda objek deteksi sejenis. Klasifikasi warna dilakukan dengan menggunakan model warna HSL. Selain itu, dilakukan segmentasi untuk memisahkan background dengan atribut untuk mendapatkan warna-warna atribut yang relevan. Proses segmentasi yang digunakan berupa detektor Canny dan Hough Transform. Waktu eksekusi yang diperlukan klasifikasi warna adalah 15 milidetik tiap 1000 pixel. Sistem sukses dengan metrik skor presisi 83.8% dan 86.7% dalam aspek pendeskripsian warna.