Implementasi Face Recognition Berbasis Deep Neural Network Sebagai Sistem Kendali Pada Quadcopter

Penulis

  • Bangga Adi Septyanto Telkom University
  • Suryo Adhi Wibowo Telkom University
  • Casi Setianingsih Telkom University

Abstrak

Abstrak—Artifcial Intelligence (AI) adalah bidang yang dikembangkan untuk mempelajari dan menyerupai kecerdasan manusia ke dalam sebuah sistem komputer. Salah satu hasil dari pengembangan AI khususnya pada bidang deep neural network adalah teknologi face recognition. Face recognition merupakan suatu sistem yang digunakan untuk mengenali wajah manusia yang terdapat pada suatu citra. Tugas akhir ini dilakukan implementasi teknologi face recognition terhadap unmanned aerial vehicle (UAV) untuk beberapa kepentingan seperti pengawasan, pencarian orang, dan pemantauan jarak jauh. Dalam tugas akhir ini penerapan face recognition diimplementasikan menggunakan algoritma YOLOv5 sebagai object detection serta pembuatan algoritma object tracking. Untuk mengetahui performansi terbaik, penelitian ini akan dilakukan pengujian terhadap 3 model, yaitu YOLOv5n, YOLOv5s dan YOLOv5m. Untuk mencari model terbaik akan dievaluasi menggunakan parameter Mean Average Precision (mAP), jarak efektif deteksi dan kecepatan inferensi model. Hasil perbandingan menunjukkan model YOLOv5n memiliki kecepatan inferensi terbaik yaitu 5ms. Namun, model ini memiliki nilai mAP terendah yaitu 79,8%. Sedangkan, mAP tertinggi dengan nilai 84,8% dicapai oleh model YOLOv5m dengan kecepatan inferensi sebesar 13ms. Model YOLOv5s memiliki selisih kecepatan inferensi yang kecil dengan YOLOv5n dengan 6ms dan nilai mAP sebesar 82,4%.
Kata Kunci— Face Recognition, Unmanned Aerial Vehicle, YOLOv5, Deep Neural Network.

##submission.downloads##

Diterbitkan

2023-01-09

Terbitan

Bagian

Program Studi S1 Teknik Telekomunikasi