Deteksi Rambu Lalu Lintas Sebagai Driving Assistant Menggunakan Metode YOLO

Riandoko, Muhammad Ilmawan (2021) Deteksi Rambu Lalu Lintas Sebagai Driving Assistant Menggunakan Metode YOLO. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 07211440000014-Undergraduate-Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (13MB) | Request a copy

Abstract

Rambu lalu lintas merupakan komponen penting dalam mengatur kelancaran lalu lintas. Sayangnya, banyak pengemudi yang kurang mengenali dengan baik yang menyebabkan kelancaran lalu lintas menjadi terganggu. Oleh karena itu dibutuhkan sistem deteksi rambu lalu lintas dengan tujuan untuk membantu pengendara untuk mengenali rambu lalu lintas. Deteksi rambu lalu lintas sangat diperlukan untuk mengembangkan beberapa sistem seperti sistem pemandu berkendara dan sistem kemudi autonomous. Saat ini banyak peneliti yang menggunakan Convolutional Neural Network (CNN) sebagai metode untuk mendeteksi dan mengenali citra gambar maupun video. Salah satu metode yang akan diimplementasikan untuk deteksi lalu lintas ini adalah metode YOLO CNN. Metode ini memiliki kelebihan yaitu kecepatan proses yang lebih cepat dibandingkan metode lain seperti R-CNN. Kelebihan ini sangat cocok jika dihadapkan pada kondisi nyata dimana kendaraan bergerak dan hanya memiliki waktu yang sedikit untuk melewati rambu lalu lintas. Dengan mendeteksi dan mengenali rambu lalu lintas, diharapkan sistem dapat membantu navigasi pengemudi berdasarkan rambu lalu lintas.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	YOLO, Deteksi Citra, Deep Learning, Rambu lalu lintas
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7882.P3 Pattern recognition systems T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK7888.3 Digital computers
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Muhammad Ilmawan Riandoko
Date Deposited:	01 Sep 2021 08:19
Last Modified:	01 Sep 2021 08:19
URI:	http://repository.its.ac.id/id/eprint/91603

Actions (login required)

View Item