PENGENALAN WAJAH CITRA CROSS SPECTRAL BERBASIS DEEP LEARNING RNMENGGUNAKAN ARSITEKTUR MOBILENETV2 | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

PENGENALAN WAJAH CITRA CROSS SPECTRAL BERBASIS DEEP LEARNING RNMENGGUNAKAN ARSITEKTUR MOBILENETV2


Pengarang

NIZRINA YUNDA PUTRI - Personal Name;

Dosen Pembimbing

Fitri Arnia - 197311121999032001 - Dosen Pembimbing I
Maulisa Oktiana - 199010252020072101 - Dosen Pembimbing II



Nomor Pokok Mahasiswa

1804111010031

Fakultas & Prodi

Fakultas Teknik / Teknik Komputer (S1) / PDDIKTI : 56202

Subject
-
Kata Kunci
-
Penerbit

Banda Aceh : Fakultas Teknik Komputer., 2022

Bahasa

No Classification

-

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

Pengenalan wajah biasanya digunakan dalam hal keamanan, terlebih lagi dalam hal teknologi pengawasan. Pengenalan wajah cross spectral merupakan sistem pengenalan wajah yang menggunakan lintas spektrum yang berbeda. Seperti citra diambil menggunakan kamera dengan spektrum VIS, kemudian dicocokkan dengan citra yang diambil menggunakan kamera dengan spektrum NIR. Karena perbedaan kondisi pencahayaan saat pengambilan citra, menjadikan kedua hasil citra juga berbeda. Perbedaan kondisi pencahayaan ini yang menjadi tantangan dalam pengenalan wajah cross spectral. Penelitian ini mengimplementasikan metode Convolutional Neural Network (CNN) menggunakan arsitektur MobileNetV2 untuk pengenalan wajah pada dataset Long-Distance Heterogeneous Face database (LDHF-DB). Penelitian ini menguji pada tiga skenario berbeda yaitu pada jarak 1m, 60m, dan 100m. Nilai akurasi yang didapatkan dengan diterapkan homomorphic filtering dan tanpa homomorphic filtering pada jarak 1m yaitu sebesar 90% dan 73%, kemudian pada jarak 60m didapatkan nilai akurasi sebesar 61% dan 60%, dan pada jarak 100m didapatkan nilai akurasi sebesar 50% dan 49%. Berdasarkan uji coba, penggunaan homomorphic filtering di tahap preprocessing dapat meningkatkan akurasi sampai dengan 17%. Penelitian ini membuktikan bahwa pada pengenalan wajah citra cross spectral, arsitektur MobileNetV2 sangat baik digunakan sehingga dapat menghasilkan akurasi 90%
Kata Kunci : Pengenalan wajah, cross spectral, MobileNetV2

Face recognition is usually used in terms of security, even more so in terms of surveillance technology. Cross spectral face recognition is a face recognition system that uses different spectrums. For example, the image is taken using a camera with a VIS spectrum and then matched with an image taken using a camera with an NIR spectrum. Due to the different lighting conditions when taking the image, the two image results are also different. This difference in lighting conditions is a challenge in cross spectral face recognition. This study implements the Convolutional Neural Network (CNN) method using the MobileNetV2 architecture for facial recognition in the Long-Distance Heterogeneous Face database (LDHF-DB) dataset. This study tested three different scenarios, namely at a distance of 1m, 60m, and 100m. The accuracy values obtained by applying homomorphic filtering and without homomorphic filtering at a distance of 1m are 90% and 73%, then at a distance of 60m the accuracy values are 61% and 60%, and at a distance of 100m the accuracy values are 50% and 49%. . Based on trials, the use of homomorphic filtering in the preprocessing stage can increase accuracy up to 17%. This study proves that in cross spectral image face recognition, the MobileNetV2 architecture is very well used so that it can produce 90% accuracy. Keywords : Face Recognition, cross spectral, MobileNetV2

Citation



    SERVICES DESK