| 700 Entri Tambahan Nama Orang | Aniati Murni Arymurthy, promotor; Mohamad Ivan Fanany, co-promotor; Lim Yohanes Stefanus, examiner; Denny, examiner; Wisnu Jatmiko, examiner; Agus Buono, examiner |
| 001 Hak Akses (open/membership) | membership |
| 336 Content Type | text (rdacontent) |
| 710 Entri Tambahan Badan Korporasi | |
| 264b Nama Penerbit | Fakultas Ilmu Komputer Universitas Indonesia |
| 852 Lokasi | Perpustakaan UI |
| 504 Catatan Bibliografi | pages 58-59 |
| 049 No. Barkod | 07-21-142707644 |
| 338 Carrier Type | online resource (rdacarrier) |
| 590 Cat. Sumber Pengadaan Koleksi | Unggah UI-ANA-4 |
| 903 Stock Opname | |
| Tahun Buka Akses | 2020 |
| 053 No. Induk | 07-21-142707644 |
| 653 Kata Kunci | object detection; multiple object tracking; retinaNet; hungarian algorithm; siamese network; interpolation |
| 040 Sumber Pengatalogan | LibUI ind rda |
| 245 Judul Utama | Pelacakan Orang Banyak Menggunakan Hasil Deteksi Deep Convolutional Neural Network, Siamese Network dan Algoritma Hungarian = Multiple Human Tracking using Deep Convolution Neural Netwok Detection, Siamese Network and Hungarian Algorithm |
| 264c Tahun Terbit | 2019 |
| 650 Subyek Topik | Neural networks (Computer science) -- Design and construction; Hungarian Algorithm; Siamese network |
| 850 Lembaga Pemilik | Universitas Indonesia |
| 520 Ringkasan/Abstrak/Intisari | Pelacakan orang banyak pada video berdasarkan hasil deteksi orang pada setiap frame merupakan problem yang menantang karena kompleksitas yang dimilikinya. Kesalahan deteksi orang pada setiap frame akan menyebabkan kesalahan pelacakan orang pada keseluruhan video. Pada penelitian ini, diusulkan metode pelacakan yang dapat meminimalkan propagasi kesalahan dari kesalahan deteksi dengan waktu pelacakan yang tidak terlalu lama. Penelitian ini menggunakan deep convolutional neural network (DCNN) seperti Faster-RCNN dan RetinaNet sebagai detektor objek dan algoritma Hungarian sebagai metode asosiasi antar orang-orang yang terdeteksi di setiap frame. Matriks masukan untuk algoritma Hungarian terdiri dari kedekatan vektor ciri DCNN yang dihasilkan oleh Siamese Network, jarak titik tengah bounding box, dan perbandingan irisan-gabungan (IoU) dari bounding box. Pada tahap akhir dilakukan interpolasi terhadap hasil pelacakan. Metode yang diusulkan menghasilkan MOTA 61.0 pada dataset benchmark pelacakan orang banyak MOT16.
......Multiple object (human) tracking in video based on object detection in every frame is a challenging problem due to its complexity. Error in the detection phase will cause error in the tracking phase. In this research, a multiple human tracking method is proposed to minimize the error propagation. The method uses deep convolutional neural network (DCNN) such as Faster-RCNN and RetinaNet as object detector and Hungarian algorithm as association method among detected humans in consecutive frames. The input matrix for Hungarian algorithm consists of the similarity of DCNN feature vector resulted from Siamese network, the distance of bounding box centers, and bounding box intersection of union (IoU). In the last step, interpolation is applied to the tracking result. The proposed method achieves 61.0 MOTA in multiple object tracking benchmark MOT16. |
| 904b Pemeriksa Lembar Kerja | Yulianti2021 |
| 090 No. Panggil Setempat | D-pdf |
| 500 Catatan Umum | Tidak dapat diakses di UIANA, karena: akan ditulis dalam bahasa Inggris untuk dipersiapkan terbit pada Jurnal Internasional yaitu IJMET yang diprediksi akan dipublikasikan pada bulan Mei tahun 2019 |
| d-Entri Utama Nama Orang | |
| d-Entri Tambahan Nama Orang | |
| 337 Media Type | computer (rdamedia) |
| 526 Catatan Informasi Program Studi | Ilmu Komputer |
| 100 Entri Utama Nama Orang | Dina Chahyati, author |
| 264a Kota Terbit | Depok |
| 300 Deskripsi Fisik | x, 59 pages : illustration ; 28 cm + appendix |
| 904a Pengisi Lembar Kerja | Sutiman2021 |
| Akses Naskah Ringkas | |
| 856 Akses dan Lokasi Elektronik | |
| 502 Catatan Jenis Karya | Disertasi |
| 041 Kode Bahasa | ind |