ANALISA AKURASI DAN KECEPATAN DETEKSI OBJEK MANUSIA DALAM CITRA GRAYSCALE MENGGUNAKAN ALGORITMA YOLOV8 DENGAN MODIFIKASI ARSITEKTUR

Setiyadi, Aris (2024) ANALISA AKURASI DAN KECEPATAN DETEKSI OBJEK MANUSIA DALAM CITRA GRAYSCALE MENGGUNAKAN ALGORITMA YOLOV8 DENGAN MODIFIKASI ARSITEKTUR. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.55.2163 Aris Setiyadi.pdf Download (4MB)

Abstract

Penelitian dengan judul analisa akurasi dan kecepatan deteksi objek manusia dalam citra grayscale menggunakan algoritma YOLOv8 dengan modifikasi arsitektur. Tujuan penelitian ini menganalisa akurasi dan kecepatan YOLOv8 dalam deteksi objek manusia apakah memiliki kemampuan yang sama baik dalam citra RGB maupun grayscale dengan metode modifikasi arsitektur. Metode analisa model yang dilakukan dengan membandingkan model default dan modifikasi yang ditraining menggunakan human deteksi dataset. Model Algoritma YOLOv8 yang di hasilkan dari proses training baik menggunakan dataset dalam bentuk RGB mapun dalam bentuk Grayscale mampu dengan baik mendeteksi objek manusia dalam citra grayscale dengan nilai mAP paling tinggi mencapai 83% untuk dataset RGB dan mAP 82% untuk dataset Grayscale.Model Algoritma YOLOv8 yang di hasilkan dari proses training baik menggunakan dataset dalam bentuk RGB dari sisi kecepatan tidak berbeda jauh dengan hasil model 1 RGB mencapai 27,5 Fps dan model 2 Grayscale 28,4 Fps.Modifikasi YOLOv8 pada bagian arsitektur backbone dengan menambahkan 2 layer convolutional dapat meningkatkan sisi akurasi lebih baik dibandingkan dengan arsitektur default , model dengan dataset RGB mencapai mAP 86% lebih tinggi dibandingkan model 4 dengan dataset grayscale mencapai mAP 83% Modifikasi YOLOv8 pada bagian arsitektur backbone dengan menambahkan layer convolutional memiliki kelemahan dari sisi kecepatan, Model 4 nilai 22,9 Fps setalah menggunakan half precision mencapai 49,18 Fps Kemampuan YOLOv8 dalam deteksi objek manusia sama baiknya dalam citra grayscale maupun RGB. Modifikasi arsitektur dengan penambahan layer convolutional dapat meningkatkan kecepatan deteksi akan tetapi berdampak tidak baik pada sisi kecepatan deteksi. Dengan half precision dapat meningkatkan kecepata deteksi.

Actions (login required)

View Item