Deteksi Pelanggaran pada Bahu Jalan Tol Menggunakan Algoritma Cascade R-CNN
Abstrak
Abstrak— Bahu jalan tol merupakan bagian kiri jalan tol yang berguna bagi kendaraan yang mengalami keadaan darurat. Namun masih banyak kendaran yang menggunakan bahu jalan tol dengan tidak bijak seperti menggunakannya untuk mengdahului kendaraan lain atau berhenti atau beristirahat dalam waktu yang lama. Hal ini dapat menyebabkan kecelakaan dan juga keributan. Berdasarkan dari masalah tersebut, diaplikasikan algoritma Cascade R-CNN yang dapat digunakan sebagai algoritma untuk mendeteksi pelanggaran pada bahu jalan tol. Cascade R-CNN memiliki deteksi multistage yang dapat mengurangi overfitting karena kurangnya dataset. Cascade RCNN memiliki deteksi multistage yang terdiri dari tiga stage. Hasil train deteksi di stage pertama akan di train lagi di stage kedua, begitu pun seterusnya sampai di hasil stage ketiga. Deteksi multistage ini membuat Cascade R-CNN disebut sebagai algoritma berkualitas tinggi dalam mendeteksi objek. Pengujian Algoritma Cascade R-CNN dilakukan menggunakan tiga hyperparameter yaitu epoch, batch size, dan learning rate. Pengujian hyperparameter ini bertujuan untuk mendapatkan model terbaik untuk melakukan prediksi. Model terbaik didapatkan pada hyperparameter di epoch 12, batch size 16, learning rate 0.02 dengan Average Precision=97,1%, Average Recall=79,1%, mAP@.5=97,1% , dan mAP@.5:.95=74,8%.
Kata kunci— : Bahu Jalan Tol, Cascade R-CNN, Deteksi Objek
Referensi
REFERENSI
PERATURAN, Mar. 15, 2005.
Z. Cai and N. Vasconcelos,
Delving into High Quality Object Detection,= Dec. 2017,
[Online]. Available: http://arxiv.org/abs/1712.00726
Y. Amit, P. Felzenszwalb, and R. Girshick,
Detection,= in Computer Vision, Springer International
Publishing, 2020, pp. 1-9. doi: 10.1007/978-3-030-03243-
_660-1.
Y. Tao, Z. Zongyang, Z. Jun, C. Xinghua, and Z.
Fuqiang,
lightweight feature-enhanced Convolutional Neural
Network,= Journal of Systems Engineering and Electronics,
vol. 32, no. 4, pp. 841-853, Aug. 2021, doi:
23919/JSEE.2021.000073.
Institute of Electrical and Electronics Engineers
and IEEE Signal Processing Society, 2019 IEEE
International Conference on Image Processing (ICIP)_:
proceedings_: September 22-25, 2019, Taipei International
Convention Center (TICC), Taipei, Taiwan.
R. Phadnis, J. Mishra, and S. Bendale,
Talk - Object Detection and Pattern Tracking Using
TensorFlow,= in Proceedings of the International
Conference on Inventive Communication and
Computational Technologies, ICICCT 2018, Sep. 2018, pp.
-1219. doi: 10.1109/ICICCT.2018.8473331.
K. O9Shea and R. Nash,
Convolutional Neural Networks,= Nov. 2015, [Online].
Available: http://arxiv.org/abs/1511.08458
C. Mishra and D. L. Gupta,
Learning and Neural Networks: An Overview,= IAES
International Journal of Artificial Intelligence (IJ-AI), vol. 6,
no. 2, p. 66, Jun. 2017, doi: 10.11591/ijai.v6.i2.pp66-73.
R. Girshick, J. Donahue, T. Darrell, and J. Malik,
semantic segmentation,= Nov. 2013, [Online]. Available:
http://arxiv.org/abs/1311.2524
S. Megawan and W. S. Lestari,
Wajah Menggunakan Faster R-CNN dengan Arsitektur
Resnet50 pada Video (Face Spoofing Detection Using
Faster R-CNN with Resnet50 Architecture on Video),=
[Online]. Available:
https://www.idiap.ch/dataset/replayattack.
Adrian Rosebrock,
for object detection,= pyImagesearch, Apr. 30, 2022.
COCO,
