:: UI - Skripsi Membership :: Kembali

UI - Skripsi Membership :: Kembali

Implementasi framework DeepFace menggunakan algoritma Haarcascade, MTCNN, RetinaFace dalam menganalisis ekspresi wajah di dalam suatu video = Implementation of the DeepFace Framework Using the Haarcascade, MTCNN, RetinaFace Algorithms in Analyzing Facial Expressions in a Video

Eko Satria; Yan Maraden, supervisor; Lubis, Muhammad Firdaus Syawaludin, examiner; Diyanatul Husna, examiner (Fakultas Teknik Universitas Indonesia, 2023)

 Abstrak

Dengan berkembangnya teknologi pada saat sekarang, kemampuan mesin terutama pada bidang deteksi wajah semakin berkembang. Kemampuan deteksi wajah ini dapat diimplemenentasikan dalam beberapa bidang seperti camera cctv, absensi automatis, dll. Kemampuan deteksi wajah dapat juga memprediksi emosi yang terlihat pada wajah.Kemampuan-kemampuan tersebut muncul dari hasil penelitian banyak orang. Peneliatan tersebut menghasilkan suatu algoritma yang berfungsi untuk mendeteksi wajah dan mengenali wajah serperti Haarcascade, MTCNN, dan RetinaFace. Dalam tahap implementasiannya, ketiga algoritma tersebut masih membutuhkan teknisi khusus untuk menghubungkannya. Untuk mengatasi masalah tersebut, dibuatlah suatu framework bernama DeepFace. Algoritma Haarcascade, MTCNN dan RetinaFace diterintergrasi kedalam framework DeepFace. Di bahas pada skripsi ini bagaimana cara kerja algoritma-algoritma tersebut dan bagaimana perbandingan performa antara algoritma-algoritma yang ada. Setelah melakukan percobaan, diketahui algoritma Retinaface dengan nilai precision 56.05% merupakan algoritma yang terbaik dalam mendeteksi wajah.

With the development of technology at this time, machine capabilities, especially in the field of face detection, are growing. This face detection capability can be implemented in several fields such as CCTV cameras, automatic attendance, etc. Face detection capabilities can also predict the emotions shown on faces. These abilities emerged
from the results of research by many people. This research produces an algorithm that functions to detect faces and recognize faces such as Haarcascade, MTCNN, and RetinaFace. In the implementation stage, the three algorithms still require a special technician to connect them. To overcome this problem, a framework called DeepFace was created. The Haarcascade, MTCNN and RetinaFace algorithms are integrated into the DeepFace framework. This thesis discusses how these algorithms work and how the performance is compared between existing algorithms. After conducting experiments, it is known that the Retinaface algorithm with precision of 56.05% is the best algorithm for detecting faces.

 File Digital: 1

Shelf
 S-Eko Satria.pdf :: Unduh

LOGIN required

 Metadata

No. Panggil : S-pdf
Entri utama-Nama orang :
Entri tambahan-Nama orang :
Entri tambahan-Nama badan :
Subjek :
Penerbitan : Depok: Fakultas Teknik Universitas Indonesia, 2023
Program Studi :
Bahasa : ind
Sumber Pengatalogan : LibUI ind rda
Tipe Konten : text
Tipe Media : computer
Tipe Carrier : online resource
Deskripsi Fisik : xiv, 70 pages : illustration + appendix
Naskah Ringkas :
Lembaga Pemilik : Universitas Indonesia
Lokasi : Perpustakaan UI
  • Ketersediaan
  • Ulasan
No. Panggil No. Barkod Ketersediaan
S-pdf 14-24-24795738 TERSEDIA
Ulasan:
Tidak ada ulasan pada koleksi ini: 9999920524473