IMPLEMENTASI OBJEK DETECTION DAN TRACKING MENGGUNAKANDEEP LEARNING UNTUK PENGOLAHAN CITRA DIGITAL

Artikel ini bertujuan untuk mendeskripsikan peningkatan hasil pengolahan citra digital melalui objek detection dan tracking dengan memanfaatkan arsitektur deep learning. Metode yang digunakan dalam penelitian ini adalah metode deep learning, CAMShift, dan Faster R-CNN yang dilalui dengan serangkaian tahapan, yaitu: merancang dan mengimplementasikan metode yang digunakan dengan Raspberry Pi menggunakan Python dan Library OpenCV, mengkombinasikan Faster R-CNN dengan CAMShift, testing proses yang dibangun menggunakan data real time video yang telah dikumpulkan, setelah itu mengevaluasi kinerja dari segi akurasi terhadap masing-masing proses menggunakan hasil pengolahan tahap penggabungan metode yang telah dikumpulkan, dan menarik kesimpulan. Berdasarkan hasil studi penelitian, maka dapat di simpulkan bahwa penggabungan metode tersebut dapat dilakukan, akan tetapi masih memiliki beberapa kelemahan, yaitu pada saat proses penyimpanan data digital sangat banyak membutuhkan waktu proses penyimpanan yang lama, dan akurasi citra gambar digital belum memuaskan.

1.  UEU-Article-18013-5_0614.pdf - 984 KB