Akbar, Mohamad Hafiz Gema Takbir (1322018) (2019) Prediksi Jalur Visual Dari Citra Tunggal Menggunakan Spatial Matching Network. Undergraduate thesis, Universitas Kristen Maranatha.
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1322018_Abstract_TOC.pdf - Accepted Version Download (514Kb) |
|
Text
1322018_Appendices.pdf - Accepted Version Restricted to Registered users only Download (1401Kb) |
|
Text
1322018_Chapter1.pdf - Accepted Version Download (455Kb) |
|
Text
1322018_Chapter2.pdf - Accepted Version Restricted to Registered users only Download (1710Kb) |
|
Text
1322018_Chapter3.pdf - Accepted Version Restricted to Registered users only Download (1153Kb) |
|
Text
1322018_Chapter4.pdf - Accepted Version Restricted to Registered users only Download (1858Kb) |
|
Text
1322018_Conclusion.pdf - Accepted Version Download (417Kb) |
|
Text
1322018_Cover.pdf - Accepted Version Download (268Kb) |
|
Text
1322018_References.pdf - Accepted Version Download (615Kb) |
Abstract
Arti dari jalur visual adalah tafsir penglihatan manusia terhadap sebuah lintasan yang dapat dilalui. Dalam perkembangan ilmu mengenai kecerdasan buatan, kemampuan untuk memprediksi dan menafsirkan situasi dalam suatu scene merupakan salah satu tujuan utama dalam membangun sistem yang meniru kemampuan berfikir manusia, salah satunya adalah mengenai prediksi jalur visual Pada tahun 2016, telah dibangun sebuah jaringan syaraf tiruan berbasis Convolutional Neural Network bernama Spatial Matching Network untuk memprediksi jalur visual dari satu citra berdasarkan analisis spasial. Fungsi dari Spatial Matching Network adalah untuk mencari kesesuaian konteks spasial dari objek observasi dalam sebuah citra dengan lingkungannya.Pada Tugas Akhir ini, prediksi jalur visual menggunakan Spatial Matching Network dikembangkan berdasarkan 4 jenis percobaan yang melibatkan orientasi dari objek dan perubahan jumlah nodes dari directed Graph yang merepresentasikan hubungan pada tiap posisi pada citra. Tugas akhir ini memiliki beberapa kontribusi, yaitu kenaikan akurasi dari rata-rata hasil prediksi jalur visual menggunakan evaluasi metric Modiffied Hausdorff Distance, dengan rincian: kenaikan akurasi hasil sebesar 0.04% dari percobaan dengan penambahan jumlah nodes pada directed Graph, kenaikan sebesar 14.9% dari percobaan dengan penambahan orientasi objek, dan kenaikan akurasi hasil sebesar 20,5% pada percobaan dengan penambahan kedua parameter tersebut. Kontribusi lainnya adalah, Tugas Akhir ini pun telah berhasil memenangkan sebuah Graphical Processing Unit bermerk NVidia berjenis CUDA dengan nomor seri P106l pada sebuah sayembara social media mengenai deep learning pada akun VeritasArdentur pada media sosial twitter.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | alur visual, analisis spasial, Convolutional Neural Network, Modiffied Hausdorff Distance, orientasi objek, nodes dari directed Graph. |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 15 Feb 2022 07:16 |
| Last Modified: | 15 Feb 2022 07:16 |
| URI: | http://repository.maranatha.edu/id/eprint/29898 |
Actions (login required)
 |
View Item |
