:: UI - Tesis Membership :: Kembali

UI - Tesis Membership :: Kembali

Sistem jaringan saraf konvolusi fuzzy untuk estimasi pose wajah tiga dimensi pada citra dengan noise = Fuzzy convolution neural network system for three dimensional face pose estimation with noisy images / Muhammad Adi Nugroho

Muhammad Adi Nugroho; Benyamin Kusumoputro, supervisor; Feri Yusivar, examiner; Aries Subiantoro, examiner; Abdul Halim, examiner ([Publisher not identified] , 2017)

 Abstrak

ABSTRAK
Pengolahan citra telah mengalami banyak perkembangan dan semakin umum
diaplikasikan. Salah satu pengaplikasiannya rekognisi wajah tiga dimensi, yang
juga melibatkan estimasi pose wajah. Salah satu metode rekognisi citra, yaitu
jaringan saraf konvolusi, berpotensi menjadi dasar dari sistem estimasi pose wajah.
Operasi konvolusi diharapkan mampu meminimalisir pengaruh distorsi dan
disorientasi objek, serta mampu mengefisiensikan parameter yang dibutuhkan.
Namun, permasalahan noise atau derau belum secara eksplisit terselesaikan oleh
jaringan saraf tiruan konvolusi. Penelitian ini bertujuan memasukkan fitur sistem
fuzzy yang efektif mengelola data samar ke dalam jaringan saraf tiruan konvolusi
yang diaplikasikan untuk estimasi pose wajah. Perancangan dimulai dari
menjabarkan fungsi masing-masing lapisan jaringan saraf tiruan, menjabarkan
operasi-operasi aritmatika pada bilangan fuzzy, dan mencoba menggantikan neuron
crisp pada jaringan saraf tiruan konvolusi umum menjadi neuron fuzzy, dan
mengaplikasikannya untuk mengestimasi pose wajah. Sistem yang sudah dibangun
kemudian diujicoba pada dataset yang dimiliki Departemen Teknik Elektro UI dan
dibandingkan dengan CNN-crisp yang memiliki arsitektur serupa dengan
parameter pembelajaran yang sama. Hasil didapat menunjukkan sistem konvolusi
fuzzy mencapai nilai kesalahan estimasi pose lebih rendah dari konvolusi crisp pada
data berderau tanpa merubah hasil estimasi pada data tidak berderau.
ABSTRACT
Image processing has undergone many developments and is increasingly commonly
applied. From limited two-dimensional recogniton, facial recognition has now
being developed to be able to recognise three-dimensional features. This ability
involves process of face pose estimation. One method of image recognition, the
convolution neural network, has the potential to become the basis of the face pose
estimation system. Convolution operation is expected to minimize the effect of
distortion and disorientation of the object, and able to efficiently reduce the required
parameters. However, the image noise problem has not been explicitly resolved by
convolution neural networks. This study aims to include features of a fuzzy system
that effectively manages fuzzy data into convolutional neural networks applied to
head pose estimation. The design begins with describing the function of each layer
of artificial neural networks, describing arithmetic operations on fuzzy numbers,
and attempting to replace crisp neurons in convolution layer of convolutional neural
into fuzzy neurons, and applying them to estimate head poses. The estimator system
is then tested on a dataset owned by the Department of Electrical Engineering UI
and compared with CNN-crisp that has a similar architecture with the same learning
parameters. The results show that the fuzzy convolution system reaches less error
of pose estimation value compared to the crisp convolution system, without
changing the estimation value of image without noises.

 File Digital: 1

Shelf
 T49040-Muhammad Adi Nugroho.pdf :: Unduh

LOGIN required

 Kata Kunci

 Metadata

No. Panggil : T49040
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Subjek :
Penerbitan : [Place of publication not identified]: [Publisher not identified], 2017
Program Studi :
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : unmediated ; computer
Tipe Carrier : volume ; online resource
Deskripsi Fisik : xiv, 90 pages : illustration ; 30 cm + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI, Lantai 3
  • Ketersediaan
  • Ulasan
No. Panggil No. Barkod Ketersediaan
T49040 15-19-732581451 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 20467097
 See also