Deteksi Penggunaan Masker Pada Citra Menggunakan RetinaFace dengan MobileNetV2
Abstract
Abstrak — Pada penelitian ini dibentuk sistem pendeteksi masker menggunakan RetinaFace sebagai face detection dan MobileNetV2 sebagai sistem klasifikasi penggunaan masker pada wajah. Alur sistem diawali dengan sistem pendeteksi wajah menggunakan RetinaFace. RetinaFace mengambil bagian wajah pada citra dan diteruskan ke model sistem klasifikasi penggunaan masker menggunakan model MobileNetV2. Model MobileNetV2 dilakukan training dengan training set yang terdiri dari 23.115 citra wajah bermasker dan tidak bermasker dan dilakukan testing dengan testing set yang terdiri dari 6.998 citra wajah bermasker dan tidak bermasker. Hasil akurasi yang didapatkan oleh model MobileNetV2 sebesar 99,3%. Namun model MobileNetV2 masih dapat memberikan hasil prediksi yang salah untuk citra wajah dari citra orang yang diambil dari jarak yang jauh.
Kata kunci— COVID-19, retinaface, mobilenetv2
References
REFERENSI
Q.-V. Pham, D. C. Nguyen, T. Huynh-The, W.-J.
Hwang, and P. N. Pathirana,
(AI) and Big Data for Coronavirus (COVID-19)
Pandemic: A Survey on the State-of-the-Arts,= IEEE
Access, vol. 8, pp. 130820-130839, 2020, doi:
1109/ACCESS.2020.3009328.
P. Nagrath, R. Jain, A. Madan, R. Arora, P. Kataria,
and J. Hemanth,
face mask detection system using single shot multibox
detector and MobileNetV2,= Sustain. Cities Soc., vol.
, p. 102692, Mar. 2021, doi:
1016/j.scs.2020.102692.
J. Deng, J. Guo, Y. Zhou, J. Yu, I. Kotsia, and S.
Zafeiriou,
Localisation in the Wild.= arXiv, May 04, 2019.
Accessed: Jan. 29, 2023. [Online]. Available:
http://arxiv.org/abs/1905.00641
A. Chavda, J. Dsouza, S. Badgujar, and A. Damani,
Detection.= arXiv, Sep. 17, 2020. doi:
48550/arXiv.2009.07627.
A. Das, M. Wasif Ansari, and R. Basak,
Face Mask Detection Using TensorFlow, Keras and
OpenCV,= in 2020 IEEE 17th India Council
International Conference (INDICON), Dec. 2020, pp.
-5. doi: 10.1109/INDICON49873.2020.9342585.
A. M. Lad, A. Mishra, and A. Rajagopalan,
Network Architectures for Real Time COVID-19
Facial Mask Detection,= J. Phys. Conf. Ser., vol. 1969,
no. 1, p. 012037, Jul. 2021, doi: 10.1088/1742-
/1969/1/012037.
M. Sandler, A. Howard, M. Zhu, A. Zhmoginov, and
L.-C. Chen,
Linear Bottlenecks.= arXiv, Mar. 21, 2019. doi:
48550/arXiv.1801.04381.
TheSSJ2612,
Jun. 14, 2021. Accessed: Jan. 29, 2023. [Online].
Available: https://github.com/TheSSJ2612/Real-TimeMedical-Mask-Detection
https://www.kaggle.com/datasets/ashishjangra27/facemask-12k-images-dataset (accessed Jan. 29, 2023).
https://www.kaggle.com/datasets/shiekhburhan/facemask-dataset (accessed Feb. 14, 2023).
M. Yaqub et al.,
Brain Tumor Segmentation in Magnetic Resonance
Images,= Brain Sci., vol. 10, no. 7, Art. no. 7, Jul. 2020,
doi: 10.3390/brainsci10070427.
P. Poudel, S. H. Bae, and B. Jang,
Different Deep Learning Optimizers for Modeling
Photovoltaic Power,= J. Chosun Nat. Sci., vol. 11, no.
, pp. 204-208, 2018, doi:
13160/ricns.2018.11.4.204.
G. I. Webb,
Machine Learning and Data Mining, C. Sammut and
G. I. Webb, Eds. Springer, 2017, pp. 844-845. doi:
1007/978-1-4899-7687-1_555.
C. Sammut and G. I. Webb, Encyclopedia of Machine
Learning. Springer Science & Business Media, 2011.
