EXEMPLAR BASED CONVOLUTIONAL NEURAL NETWORK UNTUK PENCARIAN WAJAH PADA VIDEO REKAMAN CCTV

• Main Author: Winda Mauli Kristy, - (Author)
• Format: Book
• Published: 2020-08-28.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/51360/1/S_KOM_1606216_Title.pdf; http://repository.upi.edu/51360/6/S_KOM_1606216_Chapter1.pdf; http://repository.upi.edu/51360/5/S_KOM_1606216_Chapter2.pdf; http://repository.upi.edu/51360/4/S_KOM_1606216_Chapter3.pdf; http://repository.upi.edu/51360/3/S_KOM_1606216_Chapter4.pdf; http://repository.upi.edu/51360/2/S_KOM_1606216_Chapter5.pdf
• Keywords: L Education (General); QA75 Electronic computers. Computer science

Banyak metode yang dapat melakukan pencarian wajah dengan baik, namun pada umumnya metode tersebut membutuhkan banyak sampel, khususnya pencarian wajah dengan menggunakan metode-metode deep learning. Akan tetap, terkadang untuk melakukan pencarian wajah terdapat pula kasus di mana sampel yang didapat hanya berasal dari video rekaman CCTV tersebut, dan tidak memungkinnya melakukan proses training terlebih dahulu. Sehingga pendekatan yang diambil haruslah dengan menggunakan pendektan exemplar-based. Pada penelitian ini menggunakan salah satu metode convolution neural network (CNN) yang digabungkan dengan dua metode matching berbeda, yaitu cross-corrrelation matching (CCM) dan normalized cross-correlation matching (NCC). Penelitian dilakukan dengan menggunakan Chokepoint Face Dataset. Di mana data akan dilatih dengan menggunakan triplet loss optimization. Penelitian ini pun bertujuan untuk mengetahui kinerja dari penggabungan metode-metode tersebut. Pada setiap metodenya akan dibuat dua arsitektur berbeda dan diuji untuk dilihat hasil akurasi dari masing-masing arsitektur dari kedua metode tersebut. Dari hasil pengujian, metode CNN-NCC memiliki hasil akurasi, yaitu sekitar 2 hingga 17.9% lebih tinggi dari metode CNN-CCM. Namun akurasi yang didapatkan sangat bergantung pada variasi yang ada pada video rekaman CCTV tersebut. Many methods can do a good face search, but in general these methods require a lot of samples, especially face searches using deep learning methods. Will still, sometimes to do a face search there are also cases where the sample obtained only comes from the CCTV video footage, and it is not possible to do the training process first. So the approach taken must use an exemplar-based approach. In this study, one of the methods of convolution neural network (CNN) combined with two different matching methods, namely cross-corrrelation matcing (CCM) and normalized cross-correlation matching (NCC). The study was conducted using Chokepoint Face Dataset. Where the data will be trained using triplet loss optimization. This research also aims to determine the performance of the combination of these methods. For each method, two different architectures will be made and tested to see the accuracy of each architecture from the two methods. From the test results, the CNN-NCC method has an accuracy result, which is about 2 to 17.9% higher than the CNN-CCM method. However, the accuracy obtained really depends on the variations in the CCTV record videos.