Shabrina, Idzni (2023) Pengenalan wajah menggunakan MobileNetV2. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
|
Text (Fulltext)
16650017.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (18MB) | Preview |
Abstract
INDONESIA:
Pengenalan wajah dapat memudahkan pekerjaan manusia karena
penggunaannya praktis dan fleksibel. Saat ini telah terdapat banyak metode
pengenalan wajah. Namun penelitian untuk mengembangkan metode yang sudah
ada maupun menemukan metode yang baru terus dilakukan oleh para peneliti untuk
menghasilkan pengenalan wajah yang lebih baik. Pada penelitian ini akan
digunakan arsitektur MobileNetV2 untuk pengenalan wajah. Dilakukan beberapa
skenario uji coba dan digunakan confusion matrix untuk mengukur peforma model
dengan arsitektur MobileNetV2 jika digunakan sebagai pengenalan wajah. Hasil
pengukuran peforma model dari beberapa skenario uji coba, ditemukan peforma
terbaik dengan nilai weighted average precision sebesar 0,95 dan nilai weighted
average recall, f1-score serta akurasi sebesar 0,94. Transfer learning menghasilkan
nilai precision, recall, f1-score dan akurasi sebesar 0,94. Fine and tuning mampu
meningkatkan peforma model, model mengalami peningkatan nilai precision,
recall, f1-score dan akurasi menjadi 0,95.
ENGLISH:
Face recognition can facilitate human work because its use is practical and
flexible. Nowadays, there are many methods of face recognition. However, the
researcher did this research to develop existing methods and to find new methods
continuously in order to produce better face recognition. In this research, the
MobileNetV2 architecture will be used for face recognition. Several trial scenarios
were carried out, and a confusion matrix was used to measure the performance of
the model with the MobileNetV2 architecture when used as face recognition. The
result shows the best performance with a weighted average precision value of 0.95,
a weighted average recall value, an f1-score, and an accuracy of 0.94. Transfer
learning produces precision, recall, f1-score, and accuracy values 0.94. Fine and
tuning can improve the performance of the model. The model has increased the
precision, recall, f1-score, and accuracy value to 0.95.
ARABIC:
ميكن التعرف على الوجه تسهيل العمل البشري ألن استخدامه عملي ومرن. حاليا، هناك العديد من طرق التعرف على
الوجه. ومع ذلك، يستمر الباحثون يف إجراء األحباث لتطوير الطرق احلالية وإجياد طريقة جديدة إلنتاج التعرف على الوجه بشكل
أفضل. يف هذا البحث، سيتم استخدام بنية MobileNetV2 للتعرف على الوجه. مت تنفيذ العديد من سيناريوهات االختبار ومت
استخدام مصفوفة االرتباك لقياس أداء النموذج ابستخدام بنية MobileNetV2 عند استخدامها كالتعرف على الوجه. وجدت
نتائج قياس أداء النموذج أفضل أداء من عدة سيناريوهات االختبار مبتوسط قيمة الضبط يبلغ ٠.٩٥ ومتوسط قيمة االستدعاء ودرجة
والضبط إىل حتسني أداء النموذج، وقد زاد النموذج من قيمة الضبط واالستدعاء ودرجة ف١ والدقة إىل ٠.٩٥. ف١ وقيمة الدقة ٠.٩٤. أنتج نقل التعلم قيمة الضبط واالستدعاء ودرجة ف ١ وقيمة الدقة تبلغ ٠.٩٤. ميكن أن يؤدي الصقل
Item Type: | Thesis (Undergraduate) |
---|---|
Supervisor: | Hariyadi, Amin and Crysdian, Cahyo |
Keywords: | Pengenalan Wajah; MobileNetV2; Face Recognition التعرف على الوجه |
Subjects: | 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080199 Artificial Intelligence and Image Processing not elsewhere classified |
Departement: | Fakultas Sains dan Teknologi > Jurusan Teknik Informatika |
Depositing User: | Idzni Shabrina |
Date Deposited: | 07 Sep 2023 13:11 |
Last Modified: | 07 Sep 2023 13:11 |
URI: | http://etheses.uin-malang.ac.id/id/eprint/54100 |
Downloads
Downloads per month over past year
Actions (login required)
![]() |
View Item |