Faber, Rijon ( 1522031 ) (2021) Realisasi Pengenalan Wajah Menggunakan Metode Context-Aware Local Binary Feature Learning. Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1522031_Abstrac_TOC.pdf - Accepted Version Download (219Kb) | Preview |
|
|
Text
1522031_Chapter1.pdf - Accepted Version Download (193Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1522031_Chapter2.pdf - Accepted Version Restricted to Registered users only Download (529Kb) |
|
|
Text
1522031_Chapter3.pdf - Accepted Version Restricted to Registered users only Download (478Kb) |
|
|
Text
1522031_Chapter4.pdf - Accepted Version Restricted to Registered users only Download (1290Kb) |
|
|
Text
1522031_Conclusion.pdf - Accepted Version Download (179Kb) | Preview |
|
|
Text
1522031_Cover.pdf - Accepted Version Download (250Kb) | Preview |
|
|
Text
1522031_References.pdf - Accepted Version Download (166Kb) | Preview |
Abstract
Pengenalan wajah (face recognition) adalah pengenalan pola visual yang digunakan untuk memverifikasi / mengidentifikasi identitas citra wajah yang diuji. Context-Aware Local Binary Feature Learning merupakan salah satu metode untuk memperoleh face representation yang robust. CA-LBFL menghasilkan face representation yang robust dengan memanfaatkan informasi kontekstual dari kerapatan bit dari hasil pembacaan ciri wajah. Pemanfaatan informasi kontekstual dilakukan dengan membatasi perubahan bit citra, sehingga bit yang diperoleh tidak mudah berubah-ubah dan dapat terbaca dengan mudah. Dengan masukan sebuah citra wajah, ekstraksi ciri dilakukan pada tiap regions menggunakan pixel difference vector (PDV). Kemudian, sebuah discriminative mapping akan dipelajari untuk dapat memproyeksikan PDV menjadi context-aware binary codes. Selanjutnya, menjalankan clustering pada kode biner yang didapat untuk menghasilkan sebuah codebook. Lalu, codebook akan digunakan untuk mengekstrak representasi akhir dari sebuah citra wajah untuk diuji. Squared euclidean distance matrix akan digunakan untuk menentukan tingkat kemiripan citra yang diuji tersebut dengan citra pada dataset. Dataset yang digunakan adalah FERET. Didapatkan hasil dari akurasi atau ketepatan pengenalan dari sistem, dengan nilai terendah sebesar 89,3162 % dan nilai akurasi tertinggi yaitu sebesar 95,2991%. Hasil diskriminasi pada Area under ROC curve (AUC) yang diperoleh juga dapat diterima dan baik.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | pengenalan wajah, binary feature learning, context-aware, feature mapping, face matching. |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 23 Sep 2022 06:35 |
| Last Modified: | 23 Sep 2022 06:35 |
| URI: | http://repository.maranatha.edu/id/eprint/30514 |
Actions (login required)
 |
View Item |
