Implementasi Kombinasi Metode Mean Denoising dan Convolutional Neural Network pada Facial Landmark Detection (original) (raw)
Related papers
Deteksi Wajah Berbasis Facial Landmark Menggunakan OpenCV Dan Dlib
Jurnal Teknologi Informasi, 2021
Computer science and information technology have advanced in a variety of sectors that were previously unachievable due to constraints such as hardware. Computer vision can be used to recognize an object using computer science. Objects can be recognized by taking or recording photos or videos and then processing them using specific tools and methodologies. The goal of the facial landmark-based face detection research using OpenCV and Dlib is to perform face detection in people so that it can be used for a variety of purposes in the future. The strategy employed in this study was the usage of facial landmarks using OpenCV and Dlib to improve face detection accuracy. Face detection has been effectively carried out based on facial landmark points, according to the findings of testing the entire system. Face landmark-based face detection is more accurate using the OpenCV Dlib, which can be seen during processing in the OpenCV Dlib, which can precision photos based on facial movements.
Studi Pengenalan Ekspresi Wajah Berbasis Convolutional Neural Network
2019
Pengenalan ekspresi wajah adalah topik penelitian yang aktif dilakukan dalam beberapa dekade terakhir. Aplikasinya dapat ditemukan dalam biometric security, robotika, kesehatan, neuromarketing sampai animasi avatar. Mengenal ekspresi pada wajah bukanlah merupakan masalah yang mudah dalam pembelajaran mesin, karena setiap orang dapat memiliki cara yang berbeda untuk memperlihatkan ekspresinya. Bahkan citra pada orang yang sama dalam satu ekspresi, dapat menghasilkan fitur yangbervariasi, tergantung pencahayaan, posisi maupun latarbelakangcitra. Karena itu pengenalan ekspresi wajah masih merupakan masalah yang menantang dalam bidang computer vision. Pendekatan tradisional untuk pengenalan ekspresi wajah sangat bergantung pada hand-crafted features seperti SIFT, HOG maupun LBP, yang kemudian dilanjutkan dengan training data pada citra. Dalam beberapa tahun terakhir, metode deep learning mulai dipergunakan dalam pengenalan ekspresi wajah dengan hasil yang secara umum lebih baik. Penelit...
2020
Pemilihan menu pada layar monitor biasanya dilakukan menggunakan remote, ponsel, mouse, sistem sentuh langsung pada layar monitor atau dengan menggunakan perangkat keypad atau keyboard. Para penyandang disablility yang tidak bisa menggerakkan semua anggota tubuhnya, masih memiliki mata sebagai cara alternatif yang bisa digunakan untuk memilih menu tampilan di layar untuk menggantikan fungsi tangannya.Sistem yang akan dikembangkan ini menggunakan Raspberry Pi sebagai pemrosesan citra digital dan kamera webcam sebagai sensor yang dipasangankan pada lcd Menu display, untuk menangkap gerakan mata dan kedipan mata dari pengguna, ataupun penderita stroke. Metode yang diusulkan untuk mendeteksi posisi gerakan mata yaitu pada langkah awal menggunakan proses segmentasi dan menghitung perbandingan nilai analisis letak centroid mata (pupil) dan centroid tengah mata berdasarkan face landmark. Face landmark digunakan untuk dapat menentukan letak mata berdasarkan point standar yang sudah terdefin...
Implementasi Convolutional Neural Network Untuk Deteksi Emosi Melalui Wajah
JTIM : Jurnal Teknologi Informasi dan Multimedia, 2022
The human emotional condition can be reflected in speech, gestures, and especially facial expressions. The problem that is often faced is that humans tend to be subjective in assessing people's emotions. Humans can easily guess someone's emotions through the expressions shown, as well as computers. Computers can think like humans if they are given an algorithm for human thinking or artificial intelligence. This research will be an interaction between humans and computers in analyzing human expressions. This research was conducted to prove whether the implementation of CNN (Convolutional Neural Network) can be used in detecting human emotions or not. The material needed to conduct facial recognition research is a dataset in images of various kinds of human expressions. Based on the dataset that has been obtained, the images that have been collected are divided into two parts, namely training data and test data, where each training data and test data has seven different emotio...
Jurnal Teknologi Informasi, 2020
session recognition is an interesting topic, where facial expressions in today's technological advances can support several fields such as health, business, and so on. Facial expression recognition can be done using the extraction of certain features. Meanwhile, Convolutional Neural Network (CNN) can recognize an object in the image through the features found by itself in the convolution process. By using CNN's advantages, this study aims to see CNN's performance in facial expressions of happiness and sadness in unideal data conditions. So based on this research, on the FER2013 dataset, CNN using the Adamax optimizer produced a fairly good performance where the value is given is 66% compared to
2021
Pada awal tahun 2020 dunia dikejutkan dengan Penemuan virus baru yaitu Coronavirus yang dapat mengakibatkan kematian. Penyebaran virus tersebut ialah dengan kontak lansung antara individu, batuk, dan flu. Oleh sebab itu pencegahaan ialah agar menggunakan masker apabila beraktivitas diluar rumah maupun di keramaian. Oleh sebab itu teknologi ikut peran dalam mengatasi penyebarannya dengan sebuah pendeteksian terhadap orang yang menggunakan masker dan tidak menggunakan masker yang menggunakan sebuah kamera. Pendeteksian dalam menggunakan sebuah kamera banyak diterapkan menggunakan konsep dari Deep learing. Deep learing (DL) merupakan bagian dari ilmu komputer yang mempelajari bagaimana menjadikan mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang dilakukan manusia, bahkan bisa lebih baik. Pada penelitian ini menggunakan salah satu dari Deep Learning yaitu Convolutional Neural Network yang dirancang menggunakan filter pertama 32 dengan Kernel 3x3 berikutnya menggunakan f...
Jurnal Sistem Informasi dan Ilmu Komputer Prima(JUSIKOM PRIMA)
Pengenalan wajah merupakan cara yang dilakukan untuk mengidentifikasi wajah berdasarkan nilai ciri yang terdapat pada citra wajah dan dapat diterapkan di dalam berbagai sistem, seperti absensi, akses keamanan ruangan dan login aplikasi atau perangkat. Salah satu algoritma untuk pengenalan wajah adalah LVQ (learning vector quantization), tetapi dalam pemilihan bobot awal yang kurang tepat dapat berdampak pada penurunan kinerja algoritma tersebut, sehingga hasil dari pengenalan wajah kurang akurat. Permasalahan ini dapat diselesaikan dengan penentuan bobot awal yang tepat dengan metode tertentu. Bobot yang dipilih pada penelitian ini berdasarkan kemiripan citra, salah satu metode untuk mengukur kemiripan adalah NCC (Normalized Cross Correlation). Penelitian ini akan dilakukan dengan mengkombinasi jaringan LVQ dengan menggunakan NCC dalam penentuan bobot awal untuk pengenalan wajah. Hasil pengujian yang diperoleh dengan kombinasi kedua metode tersebut untuk pengenalan wajah sebesar 94%.
Pengenalan wajah dengan menggunakan metode centroid dan geometric mean
2015
INDONESIA: Teknologi pengenalan wajah (face recognition) semakin digunakan sebagai salah satu aspek biometrik manusia selain sidik jari,DNA,suara dan retina. Dalam penggunaannya pengenalan wajah dapat digunakan sebagai sistem keamanan yang lebih susah untuk diterobos,karena proses identifikasinya melibatkan suatu metode identifikasi yang unik, yaitu identifikasi geometri wajah. Penelitian ini berusaha memberikan terobosan pengenalan wajah dengan menggunakan metode centroid dan geometri mean untuk kategori wajah frontall. Adapun keunggulan metode centroid kemudahan penghitungan nilai titk tengah yang dihasilkan dalam suatu objek, sedangkan geometric mean menghitung secara keseluruhan nilai rata-rata geometri objek. Hasil dari penelitian menunjukan bahwa aplikasi Pengenalan Wajah dengan Menggunakan Metode Centroid dan Geometric Mean menghasilkan akurasi 96% dan waktu komputasi sekitar 19,6 detik . ENGLISH: Facial recognition technology is increasingly used as one aspect of human biome...
Deteksi Penyakit Kulit Wajah Menggunakan Tensorflow Dengan Metode Convolutional Neural Network
Jurnal Manajemen Informatika dan Sistem Informasi
Abstrak Masyarakat Indonesia dengan kondisi yang berbeda khususnya kulit pada wajah. Hal tersebut menyebabkan beberapa penyakit yang dapat menyerang kulit wajah. Di Indonesia, banyak wanita yang menderita penyakit kulit, hal ini dibuktikan dari profil kesehatan Indonesia tahun 2015. Masyarakat banyak yang belum mengetahui penyakit kulit dan bahaya penyakit kulit akibat keterlambatan dalam penanganan. Penelitian ini akan mendeteksi penyakit kuit wajah secara real-time, lalu sistem ini akan mengklasifikasikan penyakit kulit yang ada di wajah. Tipe jaringan saraf yang disebut Convolutional Neural Network (CNN) cocok untuk tugas berhubungan gambar. Jaringan dilatih untuk mencari fitur, seperti tepi, sudut dan perbedaan warna, diseluruh gambar dan menggabungkannya menjadi bentuk yang kompleks. Aplikasi ini hanya dapat digunakan pada android sehingga menjalankan sistem secara real-time. Hasil yang didapat menunjukkan hasil yang cukup baik dengan menggunakan metode deep learning. Kata kunc...