Prabandaru, Bagus (2015) Pengenalan Aktivitas Olahraga Manusia Pada Citra Foto Menggunakan Convolutional Neural Network. Undergraduate thesis, Institut Technology Sepuluh Nopember.
Preview |
Text
2210106070-Undergraduate Thesis.pdf - Published Version Download (2MB) | Preview |
Abstract
Seorang manusia dapat mengklasifikasikan belasan atau puluhan
citra foto aktivitas olahraga manusia dengan akurat dan cepat, karena
mata manusia yang diproses oleh otak melalui jaringan saraf memiliki
kemampuan yang sangat baik dalam mengenali suatu objek. Tetapi jika
berjumlah ratusan atau lebih dari ribuan, maka seorang manusia tidak
akan bisa lagi mengklasifikasikannya dengan akurat dan cepat, karena
sifat alami manusia yang mudah mengalami kelelahan dan kebosanan.
Sehingga dibangunlah sistem deep learning dengan metode convolutional
neural network yang terinspirasi dari kinerja mata dan saraf otak manusia
dalam mengenali suatu objek khususnya citra foto. Sistem ini
diimplementasikan pada GPU NVIDIA Tesla s2050 dengan melakukan
pengujian sebanyak lima kali dan masukan yang digunakan adalah dataset
UIUC sport event image 8 kelas yang berbeda pada setiap pengujian.
Hasil pengujian dapat mengklasifikasikan citra foto aktivitas
olahraga 8 kelas dengan hasil akurasi rata-rata sebesar 71.48% pada
pengujian pertama. Pengujian kedua mendapatkan sebesar 68.68%.
Pengujian ketiga mendapatkan sebesar 80.37%. Pengujian keempat
mendapatkan sebesar 76.17%. Pengujian kelima mendapatkan sebesar
76.68%. Berdasarkan kelima pengujian tersebut disimpulkan bahwa
sistem yang dibangun dapat mengenali dan melakukan klasifikasi citra
foto aktivitas olahraga 8 kelas dengan hasil kinerja rata-rata 74.67% dan
lebih baik daripada Li-Jia Li dan Li Fei-Fei dengan hasil kinerja rata-rata
73.38%.
======================================================================================================
A human can classify dozens of photo images of human sports
activities accurately and quickly, because the human eye is processed by
the brain through the neural network has an excellent ability to recognize
an object. But if the number is the hundreds or thousands, then a human
will no longer be able to classify accurately and quickly, because human
nature is prone to fatigue and boredom. So we will build deep learning
system with convolutional neural network method that inspired by the
performance of the human eye and brain nerve to recognize an object
particularly photograph images. This system is implemented on the GPU
NVIDIA Tesla S2050 by testing five times and the input dataset used is
UIUC sport event image 8 classes with different images in each test.
The test results can classify the photo image of sports activities 8
classes with an average accuracy results is 71.48% in the first test. The
second test gain of 68.68%. The third test gain of 80.37%. The fourth test
gain of 76.17%. The fifth test gain of 76.68%. Based on the five tests
concluded that the system can recognize and classify the photo image of
sports activities 8 classes with the average performance results is 74.67%
and better than Li-Jia Li and Li Fei-Fei with the average performance
results is 73.38%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSE 006.42 Pra p |
| Uncontrolled Keywords: | citra foto, convolutional neural network, deep learning, olahraga, pengenalan aktivitas. |
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques |
| Divisions: | Faculty of Industrial Technology > Electrical Engineering > 20201-(S1) Undergraduate Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 26 Dec 2018 03:32 |
| Last Modified: | 26 Dec 2018 03:32 |
| URI: | http://repository.its.ac.id/id/eprint/60111 |
Actions (login required)
 |
View Item |