EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

Deteksi Kendaraan Truk pada Video Menggunakan Metode Tiny-YOLO v4

Primasdika Yunia Putra, Aji Seto Arifianto, Zilvanhisna Emka Fitri, Trismayanti Dwi Puspitasari

Jurnal Informatika Polinema · 28.02.2023 · 9 (2) · 215-222

DOI: 10.33795/jip.v9i2.1243 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Informatika Polinema, online erschienen am 28.02.2023. Verfasst von Primasdika Yunia Putra und 3 weiteren Autor:innen. Die Arbeit wurde bisher 2-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Computer vision mampu meniru kemampuan manusia dalam hal mengenali sesuatu dengan ciri visual, dikarenakan bersifat konsisten. Deteksi kendaraan secara real-time dalam video pengamatan di jalan raya menjadi salah satu topik yang menarik diangkat dalam riset. Mendeteksi truk memiliki tantangan tersendiri karena memiliki kesamaan dimensi dengan bus dan struktur mekanis yang menyerupai pikap. Mendeteksi objek dengan metode YOLO (You Only Look Once) sangat populer. Langkah awal dilakukan percobaan dengan bobot dan model asli YOLO, namun hanya mampu mendeteksi bagian kepala dan bak truk saja, jika ada truk bermuatan maka bounding box tidak berhasil menandainya. Sehingga dilakukan custom dataset dengan cara membuat bounding box untuk seluruh bagian kepala, bak serta truk yang bermuatan. Tiny-YOLO sebagai varian dari YOLO dipilih karena strukturnya lebih sederhana dan kompatibel dengan perangkat low-end hingga high-end. Tiny-YOLO v4diimplementasikan pada 3 perangkat dengan spesifikasi berbeda, menghasilkan akurasi pengujian 98,2% (13FPS) pada perangkat A, 98% (28FPS) pada perangakt B dan 97,5% (38FPS) pada perangkat C. Pengaruh spesifikasi perangkat keras terhadap perolehan FPS yang didapat dan akurasi pendeteksian ditandai dengan perbedaan hasil yang signifikan pada saat pengujian. Semakin tinggi FPS maka semakin menurun akurasi pendeteksian. Untuk perangkat B dan C dengan spesifikasi CPU diatas 3.0 GHz, RAM minimum 16 GB, GPU lebih dari 4GB, dapat menjalankan pendeteksian truk menggunakan Tiny-Yolo v4 secara real-time dengan baik.

Zitieren

APA

Putra, P. Y., Arifianto, A. S., Fitri, Z. E., & Puspitasari, T. D. (2023). Deteksi Kendaraan Truk pada Video Menggunakan Metode Tiny-YOLO v4. Jurnal Informatika Polinema, 9(2), 215-222. https://doi.org/10.33795/jip.v9i2.1243

Vancouver

Putra PY, Arifianto AS, Fitri ZE, Puspitasari TD. Deteksi Kendaraan Truk pada Video Menggunakan Metode Tiny-YOLO v4. Jurnal Informatika Polinema. 2023;9(2):215-222. doi:10.33795/jip.v9i2.1243

BibTeX
@article{Putra2023,
  author = {Putra, Primasdika Yunia and Arifianto, Aji Seto and Fitri, Zilvanhisna Emka and Puspitasari, Trismayanti Dwi},
  title = {Deteksi Kendaraan Truk pada Video Menggunakan Metode Tiny-YOLO v4},
  journal = {Jurnal Informatika Polinema},
  year = {2023},
  volume = {9},
  number = {2},
  pages = {215--222},
  doi = {10.33795/jip.v9i2.1243}
}
Kostenlos starten →