Klasifikasi Citra Multi Wajah Menggunakan Domain Adaptive Faster Region Convolutional Neural Network

Ali Akbar Lubis, Pahala Sirait, Albert -, Andrya Tanrisiono, Andy -

Abstract


Wajah merupakan bagian dari identifikasi biometrik karena wajah merupakan bagian langsung dari tubuh manusia yang tidak mudah untuk dicuri atau diduplikasi. Metode yang diterapkan dalam klasifikasi wajah seringkali hanya mampu mengklasifikasi citra yang di dalamnya hanya terdapat satu wajah, namun mengalami kesulitan dalam mengklasifikasi beberapa wajah dalam sebuah citra. Belakangan ini banyak dilakukan penelitian untuk mengatasi masalah pengenalan wajah ini menggunakan metode deep learning, salah satunya adalah Faster R-CNN dimana algoritma ini melakukan pencocokan menggunakan dataset kumpulan wajah manusia dengan mengekstraksi ciri-ciri yang membedakan setiap wajah dan dijadikan perbandingan untuk mengenali identitas wajah dengan akurat. Faster R-CNN tidak dilengkapi dengan pendeteksi wajah, oleh karena itu kita menggabungkannya dengan segmentasi warna kulit manusia untuk mengekstraksi bagian wajah untuk selanjutnya diidentifikasi menggunakan algoritma Faster R-CNN ini. Pengujian dilakukan dengan menggunakan citra yang di dalamnya terdapat lebih dari 1 wajah dengan berbagai posisi hadap wajah dan ekspresi wajah. Hasil dari pengujian yang telah dilakukan dengan rata-rata recall, presicion dan accuracy adalah recall sebesar 90.33%, presicion sebesar 85.33% dan accuracy sebesar 78.33%.


Keywords


Klasifikasi Citra, Pengenalan Wajah, Faster R-CNN

Full Text: PDF

Refbacks

  • There are currently no refbacks.


Lembaga Penelitian & Pengabdian pada Masyarakat (LPPM)
Universitas Mikroskil
Jl. Thamrin No. 124 Medan - 20212
Gedung A. 07.L2
Telp. 061-4573767
Email: publication@mikroskil.ac.id

Creative Commons License
The JSM site and its metadata are licensed under CC BY-NC-ND