IDENTIFIKASI CITRA POSE TEGAK UNTUK PEMILIHAN ANGGOTA BARIS BERBARIS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DI SMK MUHAMMADIYAH MUNGKID

Bae Toha
{"title":"IDENTIFIKASI CITRA POSE TEGAK UNTUK PEMILIHAN ANGGOTA BARIS BERBARIS MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DI SMK MUHAMMADIYAH MUNGKID","authors":"Bae Toha","doi":"10.23960/jitet.v12i1.3772","DOIUrl":null,"url":null,"abstract":"Penelitian ini membahas bagaimana penerapan metode CNN dapat digunakan untuk menciptakan sebuah sistem yang secara otomatis dan akurat mengidentifikasi pose berdiri tegak untuk baris berbaris. dengan menggunakan metode Convolutional Neural Network (CNN) yang merupakan metode klasifikasi yang sangat baik untuk menganalisis gambar digital. Desain CNN dibuat khusus untuk menganalisis objek dalam gambar, sehingga sangat berguna untuk klasifikasi gambar. Diharapkan dengan menggunakan metode ini bersama dengan data yang relevan, hasilnya adalah tingkat ketajaman dan efisiensi yang lebih tinggi. Penelitian ini menghasilkan sebuah sistem yang dapat mengidentifikasi pose tubuh  kurang tegak dengan akurasi sebesar 59% dengan confidence 58,54% dan mengidentifikasi pose tegak dengan akurasi sebesar 80% dengan confidence 79,36% berdasarkan gambar yang di upload","PeriodicalId":313205,"journal":{"name":"Jurnal Informatika dan Teknik Elektro Terapan","volume":"112 28","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-01-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Informatika dan Teknik Elektro Terapan","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.23960/jitet.v12i1.3772","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Penelitian ini membahas bagaimana penerapan metode CNN dapat digunakan untuk menciptakan sebuah sistem yang secara otomatis dan akurat mengidentifikasi pose berdiri tegak untuk baris berbaris. dengan menggunakan metode Convolutional Neural Network (CNN) yang merupakan metode klasifikasi yang sangat baik untuk menganalisis gambar digital. Desain CNN dibuat khusus untuk menganalisis objek dalam gambar, sehingga sangat berguna untuk klasifikasi gambar. Diharapkan dengan menggunakan metode ini bersama dengan data yang relevan, hasilnya adalah tingkat ketajaman dan efisiensi yang lebih tinggi. Penelitian ini menghasilkan sebuah sistem yang dapat mengidentifikasi pose tubuh  kurang tegak dengan akurasi sebesar 59% dengan confidence 58,54% dan mengidentifikasi pose tegak dengan akurasi sebesar 80% dengan confidence 79,36% berdasarkan gambar yang di upload
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
利用卷积神经网络识别图像中的直立姿势,以便在 Smk Muhammadiyah Mungkid 中选择行进队员
本研究讨论了如何利用卷积神经网络(CNN)方法创建一个系统,自动准确地识别行军时的直立姿势。卷积神经网络的设计专门用于分析图像中的对象,因此对图像分类非常有用。通过使用这种方法和相关数据,预计会产生更高水平的敏锐度和效率。这项研究开发出的系统可以根据上传的图像,识别不那么直立的身体姿势,准确率为 59%,置信度为 58.54%,识别直立姿势的准确率为 80%,置信度为 79.36%。
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
RANCANG BANGUN SISTEM PPDB ONLINE STUDI KASUS SMK MUHAMMADIYAH GAMPING MENGGUNAKAN METODE EXTREME PROGRAMMING VISUALISASI DATA PENYEBAB KEMATIAN DI INDONESIA RENTANG TAHUN 2000-2022 DENGAN POWER BI ANALISA DATA MINING DALAM MEMPREDIKSI MASYARAKAT KURANG MAMPU MENGGUNAKAN METODE K-NEAREST NEIGHBOR PERBANDINGAN ANALISIS SENTIMEN SETELAH PILPRES 2024 DI TWITTER MENGGUNAKAN ALGORITMA MACHINE LEARNING PERANCANGAN JARINGAN REDUNDANCY MENGGUNAKAN KONSEP ETHERCHANNEL DAN HSRP DENGAN INTERVLAN ROUTING PADA PLN UID JAKARTA RAYA
×
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