Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7

Rangga Gelar Guntara
{"title":"Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7","authors":"Rangga Gelar Guntara","doi":"10.47233/jteksis.v5i1.750","DOIUrl":null,"url":null,"abstract":"Deteksi masker wajah berdasarkan metode deteksi objek Deep Learning memainkan peran penting dalam perang melawan COVID-19, yang mencapai hasil yang baik dengan akurasi yang tinggi. Dari tinjauan komprehensif teknik deteksi masker wajah [2], ada beberapa algoritma berbasis deep learning, yakni You Only Look Once (YOLO) [3], Single Shot Detector (SSD) [4], RetinaFace [5], and (Faster Recurrent Convolutional Neural Network) Faster R-CNN [6]. Studi sebelumnya berfokus pada akurasi deteksi masker wajah menggunakan model deteksi dua tahap (yaitu, Faster R-CNN), sementara detektor satu tahap (yaitu, YOLO) tercapai waktu inferensi yang cepat tetapi akurasi lebih rendah. Hasil training pada penelitian ini menunjukkan nilai Precision konsisten berada pada angka 0,4 – 0,8. Sedangkan nilai Recall maksimum pada angka 0,6. Untuk penelitian kedepannya akan berfokus pada pemanfaatan YOLOv7 untuk deteksi objek lainnya.","PeriodicalId":378707,"journal":{"name":"Jurnal Teknologi Dan Sistem Informasi Bisnis","volume":"6 2 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-02-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"4","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Teknologi Dan Sistem Informasi Bisnis","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.47233/jteksis.v5i1.750","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 4

Abstract

Deteksi masker wajah berdasarkan metode deteksi objek Deep Learning memainkan peran penting dalam perang melawan COVID-19, yang mencapai hasil yang baik dengan akurasi yang tinggi. Dari tinjauan komprehensif teknik deteksi masker wajah [2], ada beberapa algoritma berbasis deep learning, yakni You Only Look Once (YOLO) [3], Single Shot Detector (SSD) [4], RetinaFace [5], and (Faster Recurrent Convolutional Neural Network) Faster R-CNN [6]. Studi sebelumnya berfokus pada akurasi deteksi masker wajah menggunakan model deteksi dua tahap (yaitu, Faster R-CNN), sementara detektor satu tahap (yaitu, YOLO) tercapai waktu inferensi yang cepat tetapi akurasi lebih rendah. Hasil training pada penelitian ini menunjukkan nilai Precision konsisten berada pada angka 0,4 – 0,8. Sedangkan nilai Recall maksimum pada angka 0,6. Untuk penelitian kedepannya akan berfokus pada pemanfaatan YOLOv7 untuk deteksi objek lainnya.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
使用深度学习算法YOLOv7用于面部识别应用程序谷歌Colab
面膜检测基于深度学习对象检测方法,在反对COVID-19的战斗中发挥了重要作用,从而以很高的精度取得了良好的效果。在全面的面部检测技术审查[2]中,有几个基于深度学习的算法,即您只看一次(YOLO)[3],单射击检测器(SSD) [4], RetinaFace [5], (Faster R-CNN]。之前的研究集中在面部检测检测的准确性上,使用两阶段检测模型(即“更快的R-CNN”),而单级探测器(即YOLO)达到了快速的推断时间,但精度较低。这项研究的培训结果显示,Precision值与0.4—0.8是一致的。而在0.6处的最大召回值。未来的研究将集中在使用YOLOv7来检测其他物体。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Interorganizational Project Urgency, Problems, and Solutions: A Systematic Literature Review Implementasi Arsitektural Resnet-34 Dalam Klasifikasi Gambar Penyakit Pada Daun Kentang Implementasi Sistem Informasi Administrasi Pembayaran SPP Pada SDIT Darul Hikmah Metode Rapid Application Development (RAD) UI UX Design for Mobile Based Foster Parent Information Application (IOTA) Using the Waterfall Method Pembuatan Design System Menggunakan Pendekatan Atomic Design dan A/B Testing
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1