Klasifikasi Mamalia Berdasarkan Bentuk Wajah Dengan k-NN Menggunakan Fitur CAS dan HOG

Abstract

Klasifikasi pada jenis objek sudah banyak dilakukan pada beberapa jenis data citra. Klasifikasi jenis hewan telah dilakukan menggunakan pendekatan segmentasi dan tanpa segmentasi sebagai tahapan awal. Context Aware Saliency (CAS) merupakan metode yang mampu membuat wilayah objek menjadi lebih dominan dibandingkan dengan background dalam mode saliency sehingga dapat menjadi alternatif pengganti proses segmentasi objek. Fitur bentuk diambil berdasarkan citra hasil saliency menggunakan metode Histogram of Oriented Gradient (HOG). Metode K-Nearest Neighbors (K-NN) digunakan untuk klasifikasi jenis hewan mamalia berdasarkan fitur HOG dari citra saliency. Dataset yang digunakan pada penelitian ini adalah LHI-Animal-Faces. Hasil yang didapatkan menunjukkan bahwa jenis hewan yang dapat dikenali dengan baik, yaitu Kucing dan Harimau, sedangkan Domba, Anjing, dan Babi belum mampu dikenali dengan baik.

Pengenalan Alfabet American Sign Language Menggunakan K-Nearest Neighbors Dengan Ekstraksi Fitur Histogram Of Oriented Gradients

“…Metode HOG sebelumnya telah digunakan oleh [10] untuk pengenalan angka pada KwH meter. Metode HOG juga digunakan pada penelitian [11] untuk mengenali bentuk wajah hewan.…”

Penggunaan Global Contrast Saliency dan Histogram of Oriented Gradient Sebagai Fitur untuk Klasifikasi Jenis Hewan Mamalia

“…Citra wajah hewan tampak depan menjadi pilihan fitur klasifikasi karena dapat langsung mewakili dalam representasi hewan yang dimaksud. Pada penelitian [2], [3], [4], [5] citra wajah hewan telah digunakan sebagai fitur dalam klasifikasi hewan. Beberapa penggunaan metode ekstraksi fitur dan metode klasifikasi telah digunakan untuk klasifikasi hewan mamalia.…”

“…Salah satu metode klasifikasi yang telah digunakan adalah k-Nearest Neigbor (k-NN). Metode k-NN telah banyak digunakan pada kasus klasifikasi seperti pada citra wajah [6], daun [7], batik [8], dan khususnya pada jenis hewan [3], [4], [9].…”

Klasifikasi Jenis Buah dan Sayuran Menggunakan SVM Dengan Fitur Saliency-HOG dan Color Moments

“…Saliency dan HOG telah digunakan sebagai fitur pada klasifikasi wajah mamalia [12], [13], [14]. Fitur Saliency-HOG mampu mengklasifikasi wajah mamalia tampak depan sehingga fitur ini akan digunakan untuk klasifikasi jenis buah dan sayuran dimana algoritma yang dapat bekerja paling efisien adalah SVM, dan akan ditambahkan fitur warna Color Moments untuk membantu ekstraksi warna pada klasifikasi jenis buah dan sayuran ini.…”