Pengenalan Aktivitas Olahraga Manusia Pada Citra Foto Menggunakan Convolutional Neural Network

Prabandaru, Bagus (2015) Pengenalan Aktivitas Olahraga Manusia Pada Citra Foto Menggunakan Convolutional Neural Network. Undergraduate thesis, Institut Technology Sepuluh Nopember.

[img] Text
2210106070-Undergraduate Thesis.pdf - Published Version

Download (2MB)

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 > (S1) Undergraduate Theses
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 View Item