Re-identifikasi Orang menggunakan Lightweight Convolutional Neural Network pada Multi Modal Image

Chang, Charles (2021) Re-identifikasi Orang menggunakan Lightweight Convolutional Neural Network pada Multi Modal Image. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

Text 07211740000027-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (3MB) | Request a copy

Abstract

Sebagai alat pelengkap keamanan, sistem CCTV semakin banyak digunakan di setiap ruang publik untuk memantau dan menganalisa tindakan kriminal pada suatu lokasi. Akan tetapi, pencarian kriminal secara manual masih rentan akan kesalahan manusia. Salah satu solusi membuat pencarian kriminal lebih efektif dan efisien adalah dengan penggunaan Re-identifikasi.

Re-identifikasi merupakan sebuah teknik visi komputer dan deep learning dimana dilakukan pencarian ulang citra atau video milik sebuah identitas.Pada tugas akhir ini, akan dipelajari metode Re-identifikasi orang dengan citra multi-modal, adapun data Input yang akan digunakan berupa sketsa tubuh yang digambar oleh beberapa seniman berbeda.Teknik yang dipelajari akan diimplementasikan menggunakan Lightweight Convolutional Neural Network dan pre-trained weights dari model yang digunakan untuk mengklasifikasi dataset CIFAR-10. Hasil yang diharapkan melalui Tugas Akhir ini adalah terciptanya sebuah model yang dapat melakukan Re-identifikasi orang riil dari input sketsa menggunakan Lightweight Convolutional Neural Network, sehingga pencarian kriminal di Indonesia dapat dilakukan dengan lebih efisien. Pada penelitian ini kami mendapatkan akurasi Rank-1 sebesar 21% dengan menggunakan model ensemble kami, serta mendapatkan akurasi Rank-1 sebesar 19.8% dengan menggunakan model ResNet110
=====================================================================================================
As a complement to security systems, CCTVs are increasingly used to monitor and analyze criminal acts done at a given location. However, the manual search for criminals is still prone to human error. One of the solutions to make the process more effective and efficient is with the use of re-identification. Re-identification is a computer vision and deep learning technique in which an anonymized identity of an image is matched with its owner.

In this paper, we will study the method of re-identifying people with multi-modal images where the query is in the form of a body sketch drawn by several different artists. Re-identification techniques in this book are implemented using lightweight Convolutional Neural Network, namely the Residual Network used to classify the CIFAR10 dataset. In this research, we achieved a Rank-1 accuracy of 21% with our ensemble model, and 19.8 % with our ResNet 110 model.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Re-Identification, Multi-Modal, Criminal, Re-identifikasi, Multi-Modal, Kriminal
Subjects:	Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. R Medicine > R Medicine (General) > R858 Deep Learning T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Charles Chang
Date Deposited:	04 Sep 2021 07:43
Last Modified:	04 Sep 2021 07:43
URI:	http://repository.its.ac.id/id/eprint/91645

Actions (login required)

View Item