PENERAPAN VGG19, RESNET50 DAN RESMASKNET PADA DETEKSI EKSPRESI WAJAH

Ilmawati, Fahma Inti (2024) PENERAPAN VGG19, RESNET50 DAN RESMASKNET PADA DETEKSI EKSPRESI WAJAH. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.51.2115 Fahma Inti Ilmawati.pdf Download (3MB)

Abstract

Pada bidang pengenalan ekspresi wajah (FER), ketersediaan kumpulan data yang seimbang dan representatif adalah kunci keberhasilan dalam melatih model yang akurat. Namun, kumpulan data Tantangan Pengenalan Ekspresi Wajah (FERC) sering kali menghadapi tantangan ketidakseimbangan kelas, di mana beberapa ekspresi wajah memiliki jumlah sampel yang jauh lebih kecil dibandingkan ekspresi wajah lainnya. Masalah ini dapat mengakibatkan performa model menjadi bias dan tidak memuaskan, terutama dalam mengenali ekspresi wajah yang kurang umum. Teknik augmentasi data menjadi strategi penting karena dapat memperluas kumpulan data dengan menciptakan variasi baru dari sampel yang ada, sehingga meningkatkan variasi dan keragaman data. Augmentasi data dapat digunakan untuk meningkatkan jumlah sampel untuk kelas ekspresi wajah yang kurang umum, sehingga meningkatkan kemampuan model untuk mengenali dan memahami beragam ekspresi wajah. Hal ini dikarenakan jumlah sampel dalam data FERC tidak seimbang, sehingga dapat menyebabkan model memiliki kecenderungan dalam mempelajari kelas mayoritas dengan baik sehingga mengabaikan kelas minoritas. pada penelitian ini, untuk mengatasi hal tersebut dilakukan proses oversampling menggunakan metode ‘OneSideSelection”. Dalam penelitian ini, VGG19, Resnet50 dan ResMakingNet digunakan untuk mendukung performa model yang lebih baik. Hal ini akan memberikan pedoman berharga untuk mengoptimalkan model CNN yang lebih canggih di masa depan dan dapat mendorong penelitian lebih lanjut dalam menciptakan teknik augmentasi yang lebih inovatif.

Actions (login required)

View Item