AGE ESTIMATION UNTUK INTELLIGENT ADVERTISING PADA POSTER DIGITAL MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
Sebagai bagian dari intelligent advertising, age estimation digunakan untuk menyesuaikan iklan dari hasil estimasi usia audience. Age estimation (AE) dapat dibangun menggunakan deep learning menggunakan ConvNet dengan kendala seperti data training wajah usia tua yang sedikit, ketidak seimbangan data...
Saved in:
Main Author: | |
---|---|
Format: | Book |
Published: |
2020-08-28.
|
Subjects: | |
Online Access: | Link Metadata |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
MARC
LEADER | 00000 am a22000003u 4500 | ||
---|---|---|---|
001 | repoupi_52274 | ||
042 | |a dc | ||
100 | 1 | 0 | |a Galih Abdul Muhyi, - |e author |
245 | 0 | 0 | |a AGE ESTIMATION UNTUK INTELLIGENT ADVERTISING PADA POSTER DIGITAL MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK |
260 | |c 2020-08-28. | ||
500 | |a http://repository.upi.edu/52274/1/S_KOM_1505735_Title.pdf | ||
500 | |a http://repository.upi.edu/52274/2/S_KOM_1505735_Chapter1.pdf | ||
500 | |a http://repository.upi.edu/52274/3/S_KOM_1505735_Chapter2.pdf | ||
500 | |a http://repository.upi.edu/52274/4/S_KOM_1505735_Chapter3.pdf | ||
500 | |a http://repository.upi.edu/52274/5/S_KOM_1505735_Chapter4.pdf | ||
500 | |a http://repository.upi.edu/52274/6/S_KOM_1505735_Chapter5.pdf | ||
500 | |a http://repository.upi.edu/52274/7/S_KOM_1505735_Appendix.pdf | ||
520 | |a Sebagai bagian dari intelligent advertising, age estimation digunakan untuk menyesuaikan iklan dari hasil estimasi usia audience. Age estimation (AE) dapat dibangun menggunakan deep learning menggunakan ConvNet dengan kendala seperti data training wajah usia tua yang sedikit, ketidak seimbangan dataset di dalamnya, serta membutuhkan jumlah data yang besar. Salah satu solusi dari permasalahan ini adalah melakukan data augmentasi menggunakan model generatif ACGAN untuk melakukan generate gambar sesuai dengan kelas. Intelligent advertising pada poster digital hanya disimulasikan pada komputer. Simulasi intelligent advertising berfungsi dengan baik terlepas dari terbatasnya iklan dan tidak konsistennya hasil estimasi usia. Hasil dari penggunaan model generatifACGAN untuk data augmentation berhasil meningkatkan performa hasil pada model AE terlepas dari rendahnya skor IS dan FID serta kualitas gambar yang dihasilkan. Hasil data augmentation lebih terlihat pada model B dengan peningkatan akurasi cumulative score sebesar 4,8% dan skor MAE sebesar 1,297. | ||
546 | |a en | ||
546 | |a en | ||
546 | |a en | ||
546 | |a en | ||
546 | |a en | ||
546 | |a en | ||
546 | |a en | ||
690 | |a L Education (General) | ||
690 | |a QA75 Electronic computers. Computer science | ||
655 | 7 | |a Thesis |2 local | |
655 | 7 | |a NonPeerReviewed |2 local | |
787 | 0 | |n http://repository.upi.edu/52274/ | |
787 | 0 | |n http://repository.upi.edu | |
856 | |u https://repository.upi.edu/52274 |z Link Metadata |