Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Berawal pada pemodelan sederhana dari jaringan otak manusia, arsitektur jaringan saraf tiruan terbentuk dengan model matematika sel otak biologis atau neuron yang saling berhubungan membentuk sebuah jaringan. Dalam jaringan saraf tiruan ini, keterkaitan antar neuron diatur sedemikian rupa sehingga membentuk lapisan-lapisan, yakni lapis masukan, lapis tersembunyi dan lapis keluaran. Penelitian ini memperkenalkan sistem pengenalan objek tiga dimensi (3D). Data yang digunakan sebagai masukan adalah data image 2D serta memasukkan bobot tambahan yang nilainya berdasarkan pada sudut pandang. Sistem yang diperkenalkan berdasarkan pada MLP dengan pembelajaran propagasi balik. Karena sistem ini mengakomadasi sudut pandang pada pengenalan, maka perlu penyesuaian terhadap struktur lapis tersembunyi dengan melakukan modifikasi dari bentuk konvensional ke bentuk silindris (Cylindrical Hidden MLP-BP, atau CHMLP-BP). Pada penelitian ini dilakukan desain eksperimen yang dibedakan menurut perbandingan (ratio) antara data pelatihan dan data pengujian (NI/Np). Secara eksperimental ditunjukkan bahwa dengan hanya menggunakan rasio NI/Np = 50%:50%, performansi sistem untuk pengenalan objek-objek 3D yang sederhana mendekati 87%.

Abstrak :
ABSTRAK
Pelacakan objek secara visual adalah proses melokalisasi terus menerus entitas visual pada suatu urutan video. Disertasi ini menyelidiki masalah short-term model-free tracking yang mempunyai tujuan utama untuk melacak sembarang objek berdasarkan satu kotak anotasi dari objek dan oleh karena itu disebut sebagai model-free. Short-term di sini berarti bahwa pelacak tidak melakukan deteksi ulang setelah target menghilang dalam pelacakan. Banyak faktor yang mempengaruhi kinerja algoritma pelacakan. Dalam Visual Tracker Benchmark, terdapat sebelas tantangan dalam pelacakan objek, yaitu: variasi iluminasi, variasi skala, oklusi, deformasi, blur, gerakan yang cepat, in-plane rotation, out-of-plane rotation, keluar dari pandangan, latar belakang yang kusut, dan resolusi yang rendah. Selama ini belum ada satu pelacak yang berhasil menangani semua skenario tersebut dengan kokoh robust . Selain itu, implementasi dari pelacak ini harus cukup cepat fast agar berguna dalam aplikasi nyata. Disertasi ini mengusulkan algoritma pelacakan yang baru dalam kerangka Bayesian. Algoritma yang diusulkan dikonstruksi dengan memecahkan optimal particle filter OPF secara efisien menggunakan metode spektral. Oleh karena itu, pelacak yang dikonstruksi disebut sebagai spectral tracker ST . Walaupun pelacak ini dapat melakukan komputasi posisi secara efisien, tetapi tidak dapat mengestimasi skala dan rotasi. Untuk mengatasi kelemahan ini, diusulkan penggunaan banyak titik observasi sekaligus dan menggunakan informasi pergerakan titik-titik observasi ini untuk mengestimasi skala dan rotasi. Selanjutnya dilakukan eksperimen untuk melihat pengaruh pra-pemrosesan citra meliputi warna, tekstur dan saliensi pada kinerja pelacakan dengan membangun 6 variasi model observasi dari pelacak ST. Akhirnya, kinerja variasi pelacak ST ini dibandingkan dengan 9 pelacak pembanding yang relevan pada 100 himpunan data. Hasil secara keseluruhan terdapat sebuah peningkatan unjuk kerja terutama dalam hal kekokohan dan kecepatan. Tetapi pada evaluasi yang lebih rinci dalam menghadapi 11 tantangan, ternyata pendekatan yang berbeda dari setiap pelacak ternyata menghasilkan unjuk kerja yang berlainan dalam menghadapi setiap tantangan tersebut.

---

ABSTRACT
Visual object tracking is the process of continuously localizating a visual entity or visual entities in a video sequence. This dissertation investigates short term model free tracking which the main purpose is tracking of arbitrary objects based on a single bounding box annotation of the object, which then called as model free. The short term tracking means that the tracker does not perform re detection after the target is lost. Numerous factors affect the performance of a tracking algorithm. In Visual Tracker Benchmark, there are eleven main tracking challenges, including illumination variation, scale variation, occlusion, deformation, motion blur, fast motion, in plane rotation, out of plane rotation, out of view, background clutters, and low resolution. There exists no single robust tracker that successfully handles all scenarios nowadays. Moreover, the implementation of tracker should be fast enough to be useful in real applications. We propose a novel algorithm based on Bayesian paradigm that works in frequency domain and exploits spectral method for solving optimal particle filter scheme in Bayesian framework. Therefore the tracker is called as spectral tracker ST . In order to able to estimate scaling and rotation, we modify the tracker to use multiple observation points. Futhermore, several experiments is done to see impact of observation model by manipulating image in color, texture and saliency. As result, we design six variation of spectral tracker based on the observation model. Finally, the performance of the tracker is compared with other relevant trackers on benchmark dataset sequences. An improvement over state of the art methods is achieved, in term of robustness and speed. Nevertheless, the evaluation of eleven tracking challenges shows that different approaches of tracker have unique performance in each challenge.

Abstrak :
Permintaan daging sapi di Indonesia selalu meningkat dari tahun ke tahun. Tetapi sayangnya persediaan di dalam negeri tidak mencukupi, sehingga impor daging dalam jumlah besar terus dilakukan. Pemerintah telah melakukan berabagai usaha untuk mengurangi impor dan mencapai swa sembada. Saat ini, permerintah sedang menyelenggarakan program Swasembada Daging Sapi (PSDS) 2014. Tetapi, beberapa ketidakakuratan data masih tetap muncul, misalnya antara data yang digunakan di dalam blueprint PSDS 2014 dan data yang dirilis dalam Basis Data Statistik Pertanian (BDSP). Ketidakakuratan data dapat menyebabkan ketidakakuratan kebijakan di sektor peternakan. Oleh karena itu, di dalam disertasi ini, diusulkan suatu konsep e-Livestock untuk mengatasi ketidakakuratan data tersebut. Disertasi ini dilakukan berdasarkan Definition, Framework, Methodology, and Area of concern (DFMA) model of reserach. Ada lima langkah penelitian yang dilakukan di dalam disertasi ini. Pertama, definisi (D) dari e-Livestock diformulasikan. Kedua, definisi tersebut divalidasi dan diperbaiki dengan cara mewawancarai beberapa pakar dan stakeholder, dan hasil wawancara tersebut diinterpretasi menggunakan hermeneutika. Definisi yang sudah divalidasi kemudian digunakan pada langkahlangkah berikutnya. Ketiga, 36 faktor sukses untuk inisiatif e-Government di sintesis menggunakan Meta-Ethnography. Semua faktor sukses tersebut kemudian digunakan di dalam langkah keempat untuk memformulasikan 62 faktor sukses yang spesifik untuk e-Livestock di Indonesia. Semua 62 faktor sukses, multivew framework, dan soft system thinking kemudian digunakan sebagai framework (F) di dalam langkah berikutnya. Di dalam langkah kelima, metodologi (M) bernama Soft Systems Metodology (SSM) digunakan di dalam area (A) yang menjadi perhatian untuk menghasilkan model-model yang terkait untuk e-Livestock di Indonesia. Hasil dari semua langkah penelitian telah menjawab semua research questions dari disertasi ini. Berbagai kontribusi teoritis dan praktis juga telah dihasilkan dan dapat memperkaya ilmu pengetahuan di dalam penelitian e-Government dan dapat membantu pemerintah Indonesia.

---

The demand for beef resources in Indonesia is always increasing from year to year. Unfortunately, the national beef supply usually did not able to meet those needs. The import of beef in large numbers likely to remain performed. The government has made various efforts to reduce imports and achieve self-sufficiency in beef. Currently, the government has launched the new Beef Self-Sufficiency Program (PSDS), i.e. PSDS 2014. However, some concerns about the data inaccuracies was actually reflected in the difference about beef production data released by Agricultural Statistics Data Base (BDSP) and the data stated in the blueprint of PSDS 2014. Inaccuracy of data can lead to the inappropriate policy making in the livestock sector. Therefore, it is proposed in this dissertation that e-Livestock can help to solve the problem This dissertation are based on Definition, Framework, Methodology, and Area of concern (DFMA) model of reserach. Five main research steps have been conducted in this dissertation. First, the definition (D) of e-Livestock in Indonesia is formulated. Second, the definition then be validated and adjusted by interviewing some stakeholders and experts, and the results of interviews are interpreted using hermeneutic. The resulted definition than used in all other subsequent steps. Third, 36 success factors for e-Government initiative are synthesized using Meta-Ethnography. Those success factors then used in the fourth research steps to formulates the 62 success factors that specific for e-Livestock in Indonesia. These 62 success factors, multivew framework and soft systems thinking then used as the framework (F) of idea in the next research step. In the fifth research step, the Soft Systems Metodology (SSM) is used and combined with some other methods to model the e-Livestock in Indonesia. The results from all research steps have answered all the research questions of this dissertation. Several theoretical and practical contributions have emerged and can enrich the body of knowledge in e-Government research and can take into consideration in practice.