P. 1
Tesis: Sistem Pendeteksi Wajah Manusia pada Citra Digital, Setyo Nugroho

Tesis: Sistem Pendeteksi Wajah Manusia pada Citra Digital, Setyo Nugroho

4.56

|Views: 6,215|Likes:
Published by Setyo Nugroho
Sistem Pendeteksi Wajah Manusia pada Citra Digital, Setyo Nugroho.
Tesis S2, Program Magister Ilmu Komputer - Universitas Gadjah Mada, 2004.

(contoh demo program dan source code bisa diperoleh melalui http://deteksiwajah.blogspot.com )

INTISARI
Pendeteksian wajah (face detection) adalah salah satu tahap awal yang sangat penting dalam sistem pengenalan wajah (face recognition) yang digunakan dalam identifikasi biometrik. Deteksi wajah juga dapat digunakan untuk pencarian atau pengindeksan data wajah dari citra atau video yang berisi wajah dengan berbagai ukuran, posisi, dan latar belakang. Dalam penelitian ini diimplementasikan sistem deteksi wajah yang menggunakan jaringan syaraf tiruan multi-layer perceptron dan algoritma Quickprop. Sistem deteksi wajah memperoleh kemampuan deteksinya dengan cara belajar dari contoh (learning by examples). Pelatihan dilakukan dengan metode active learning untuk meminimalkan banyaknya data yang digunakan untuk pelatihan. Hasil penelitian menunjukkan bahwa akurasi dari sistem deteksi wajah sangat tergantung pada jumlah dan jenis data yang digunakan dalam pelatihan. Algoritma Quickprop dan teknik active learning dapat dimanfaatkan untuk membantu mempercepat proses pelatihan.
(Kata kunci: deteksi wajah, jaringan syaraf tiruan, Quickprop, active learning)

ABSTRACT
Face detection is one of the most important preprocessing step in face recognition systems used in biometric identification. Face detection can also be used in searching and indexing still image or video containing faces in various size, position, and background. This paper describes a face detection system using multi-layer perceptron and Quickprop algorithm. The system achieves its ability by means of learning by examples. The training is performed using active learning method to minimize the amount of data used in training. Experimental results show that the accuracy of the system strongly depends on the quality and quantity of the data used in training. Quickprop algorithm and active learning method can improve the training speed significantly.
(Keywords: face detection, neural networks, quickprop, active learning)
Sistem Pendeteksi Wajah Manusia pada Citra Digital, Setyo Nugroho.
Tesis S2, Program Magister Ilmu Komputer - Universitas Gadjah Mada, 2004.

(contoh demo program dan source code bisa diperoleh melalui http://deteksiwajah.blogspot.com )

INTISARI
Pendeteksian wajah (face detection) adalah salah satu tahap awal yang sangat penting dalam sistem pengenalan wajah (face recognition) yang digunakan dalam identifikasi biometrik. Deteksi wajah juga dapat digunakan untuk pencarian atau pengindeksan data wajah dari citra atau video yang berisi wajah dengan berbagai ukuran, posisi, dan latar belakang. Dalam penelitian ini diimplementasikan sistem deteksi wajah yang menggunakan jaringan syaraf tiruan multi-layer perceptron dan algoritma Quickprop. Sistem deteksi wajah memperoleh kemampuan deteksinya dengan cara belajar dari contoh (learning by examples). Pelatihan dilakukan dengan metode active learning untuk meminimalkan banyaknya data yang digunakan untuk pelatihan. Hasil penelitian menunjukkan bahwa akurasi dari sistem deteksi wajah sangat tergantung pada jumlah dan jenis data yang digunakan dalam pelatihan. Algoritma Quickprop dan teknik active learning dapat dimanfaatkan untuk membantu mempercepat proses pelatihan.
(Kata kunci: deteksi wajah, jaringan syaraf tiruan, Quickprop, active learning)

ABSTRACT
Face detection is one of the most important preprocessing step in face recognition systems used in biometric identification. Face detection can also be used in searching and indexing still image or video containing faces in various size, position, and background. This paper describes a face detection system using multi-layer perceptron and Quickprop algorithm. The system achieves its ability by means of learning by examples. The training is performed using active learning method to minimize the amount of data used in training. Experimental results show that the accuracy of the system strongly depends on the quality and quantity of the data used in training. Quickprop algorithm and active learning method can improve the training speed significantly.
(Keywords: face detection, neural networks, quickprop, active learning)

More info:

Categories:Types, School Work
Published by: Setyo Nugroho on Aug 18, 2008
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/09/2013

pdf

text

original

Jaringan syaraf tiruan adalah suatu sistem pemrosesan informasi yang

cara kerjanya memiliki kesamaan tertentu dengan jaringan syaraf biologis

[Fausett, 1994]. Jaringan syaraf tiruan dikembangkan sebagai model matematis

dari syaraf biologis dengan berdasarkan asumsi bahwa:

1. Pemrosesan terjadi pada elemen-elemen sederhana yang disebut neuron.

2. Sinyal dilewatkan antar neuron melalui penghubung.

3. Setiap penghubung memiliki bobot yang akan mengalikan sinyal yang

lewat.

13

4. Setiap neuron memiliki fungsi aktivasi yang akan menentukan nilai sinyal

output.

Jaringan syaraf dapat digolongkan menjadi berbagai jenis berdasarkan

pada arsitekturnya, yaitu pola hubungan antara neuron-neuron, dan algoritma

trainingnya, yaitu cara penentuan nilai bobot pada penghubung.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->