Accuracy in Object Detection based on Image Processing at the Implementation of Motorbike Parking on The Street

Haryono, Asep; Bismantoko, Sahid; Putra, Gilang Mantara; Widodo, Tri

doi:10.1109/icae47758.2019.9221817

Cited by 3 publications

(2 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Pendeteksian objek adalah salah satu diantara bidang-bidang pada computer vision. Computer vision merupakan suatu ilmu yang mempelajari tentang seperti apa komputer dapat menganalias dan melihat pada objek didalam gambar [4]. Salah satu metode yang dapat digunakan untuk mendeteksi objek adalah YOLO.…”

Section: Pendahuluanunclassified

Identifikasi Kendaraan Bermotor pada Dashcam Mobil Menggunakan Algoritma YOLO

Ramadhani,

Satria,

Dewi

2024

hello world j. ilmu kompʹût.

View full text Add to dashboard Cite

Identifikasi kendaraan bermotor merupakan tugas penting dalam pengembangan teknologi keselamatan jalan raya dan pemantauan lalu lintas. Dalam konteks ini, kamera dashboard (dashcam) pada mobil menjadi platform yang relevan untuk memperoleh data visual yang diperlukan. Penelitian ini bertujuan untuk mengimplementasikan algoritma You Only Look Once (YOLO) untuk mengidentifikasi kendaraan bermotor dalam rekaman video dari dashcam mobil. Metode ini memanfaatkan pendekatan deteksi objek berbasis deep learning yang memungkinkan deteksi objek secara real-time dengan tingkat keakuratan yang tinggi. Pada tahap pertama, dilakukan proses pengumpulan dan preprocessing dataset yang mencakup rekaman video dari dashcam mobil. Setelah itu, dilakukan pelatihan model YOLO menggunakan dataset yang telah disiapkan. Selama pelatihan, dilakukan proses optimisasi parameter untuk meningkatkan kinerja deteksi. Setelah model dilatih, dilakukan evaluasi menggunakan metrik seperti confusion matrix untuk mengevaluasi keakuratan deteksi. Hasil eksperimen menunjukkan bahwa algoritma YOLO berhasil mengidentifikasi kendaraan bermotor dengan tingkat keakuratan yang memuaskan dalam berbagai kondisi pencahayaan dan latar belakang jalan. Meskipun terdapat beberapa kendala seperti keakuratan yang menurun pada kondisi cahaya yang rendah, namun secara keseluruhan, implementasi algoritma YOLO pada dashcam mobil menunjukkan potensi besar untuk digunakan dalam aplikasi pemantauan lalu lintas dan keselamatan jalan raya. Penelitian ini memberikan kontribusi penting dalam pengembangan teknologi deteksi objek dalam konteks lalu lintas jalan raya menggunakan data visual dari dashcam mobil.

show abstract

Section: Pendahuluanunclassified

Identifikasi Kendaraan Bermotor pada Dashcam Mobil Menggunakan Algoritma YOLO

Ramadhani,

Satria,

Dewi

2024

hello world j. ilmu kompʹût.

View full text Add to dashboard Cite

show abstract

Section: Pendahuluanunclassified

Implementasi Deteksi Real Time Klasifikasi Jenis Kendaraan Di Indonesia Menggunakan Metode YOLOV5

Mulyana¹,

Rofik²

2022

jptam

View full text Add to dashboard Cite

Negara Indonesia mempunyai kepadatan penduduk yang sangat padat, terutama dikota-kota besar yang dimana jalan selalu dipadati oleh berbagai jenis kendaran. Pada jam sibuk banyaknya kendaraan yang membuat kemacetan dijalan. Oleh karna itu dibutuhkan pembangunan pelebaran jalan untuk menampung kendaraan yang dipadati oleh berbagai jenis kendaraan yang melintas. Agar pembangunan pelebaran jalan yang tepat pada lokasi yang sering terjadinya kepadatan, maka dibutuhkan sistem pendeteksian jenis-jenis kendaraan yang melintas dijalan raya. Meningkatnya pada macam-macam penelitian tentang pengolahan citra digital diantaranya tentang pendeteksian objek, untuk klasifikasi deteksi jenis kendaraan dijalan raya. Pada penelitian ini penulis membuat sistem pendedeteksi objek memakai metode YOLOV5 untuk mendeteksi jenis kendaraan dijalan raya. Penulis menggunakan dataset sebesar 1332 gambar dengan kelas bajaj, becak, bus, mobil, mobil molen, mobil pik’up, sepedah, sepeda motor, dan truk. Pada hasil penelitian menggunakan metode YOLOV5 yang dapat mengenali objek secara konsisten dengan tingkat akurasi yang cukup tinggi dan memiliki nilai akurasi 90%.

show abstract