Please enable JavaScript.
Coggle requires JavaScript to display documents.
IMPLEMENTASI ALGORITMA YOLO DENGAN OPENCV UNTUK MENDETEKSI JALANAN…
IMPLEMENTASI ALGORITMA YOLO DENGAN OPENCV UNTUK MENDETEKSI JALANAN BERLUBANG Link Title
YOLO
YOLOV7
Algoritma YOLOv7 merupakan algoritma versi terbaru yang dapat melampaui semua model deteksi objek dari versi YOLO sebelumnya dalam hal kecepatan dan akurasi yang baik. Kemudian untuk performa YOLOv7 membutukan hardware beberapa kali lebih murah daripada jaringan saraf lainnya dan dapat dilatih lebih cepat terhadap kumpulan data kecil tanpa bobot yang telah dilatih sebelumnya. Versi ini juga memberikan akurasi deteksi objek real-time yang sangat ditingkatkan tanpa meningkatkan biaya inferensi. dengan tolak ukur untuk mengenali objek secara efektif sekitar 40% parameter dan 50% komputasi dengan objek dan akurasi yang lebih tinggi.
YOLOV5
Merupakan model pendeteksi objek generasi kelima Secara umum arsitektur model ini tidak jauh berbeda dengan generasi YOLO sebelumnya. YOLOv5 ditulis dalam bahasa pemrograman Python, bukan bahasa C di versi sebelumnya.Secara performa YOLOv5 ini lebih bagus dibandingkan dengan versi sebelumnya. Penggunaan arsitektur YOLOv5 mengintegrasikan inovasi terbaru yang mirip dengan arsitektur YOLOv4, sehingga secara teori tidak ada banyak perbedaan.
-
Model Pembelajaran
Perbedaan
Deep learning
Deep learning merupakan subbidang machine learning yang algoritmanya terinspirasi dari struktur otak manusia. Struktur tersebut dinamakan Artificial Neural Networks atau disingkat ANN. Pada dasarnya deep learning memiliki jaringan saraf yang terdiri dari tiga atau lebih lapisan ANN. kemudian dia juga dapat beradaptasi dengan jumlah data yang besar dan dapat menyelesaikan berbagai masalah dengan algoritma machine learning lainnya. Deep Learning 
Machine learning
Meachine learning merupakan mesin yang dikembangkan untuk bisa belajar dengan sendirinya tanpa arahan dari penggunanya. Meachine learning juga memiliki kemampuan untuk memperoleh data yang ada dengan perintah dari dia sendiri, dan juga dapat mempelajari data yang ada dan data yang dia peroleh dapat mengerjakan tugas tertentu. Meachine Learning
OpenCV
Merupakan sebuah library open source yang berfokus untuk menyederhanakan sebuah program yang terkait dengan citra digital. OpenCV sendiri juga memiliki banyak fitur, pengenalan wajah, pelacakan wajah, deteksi wajah, dan berbagai metode AI lainnya.
BAB1
Pendahuluan
Masalah Penelitian
Berdasarkan permasalahan penelitian ini mengenai jalanan berlubang yang memiliki dampak cukup besar, dikarenakan dapat mengancam keselamatan di jalan raya khususnya para pengguna kendaraan bermotor, dan kendaraan bermobil dan pejalan kaki maupun orang lain disekitarnya.
Tujuan Dan Manfaat
Tujuan penelitian ini adalah mendeteksi objek jalanan berlubang dengan YOLO.
Manfaat penelitian ini adalah dengan dibuatnya aplikasi
pendeteksi jalanan berlubang ini, agar dapat mengantisipasi kecelakaan bagi pengendara maupun pejalan kaki saat melintasinya.
Latar Belakang
Mengenai jalanan berlubang yang dapat membahayakan keselamatan para pengguna kendaraan roda dua, roda empat maupun pejalan kaki. Dengan ini dibuat penelitian agar dapat mengatasi kecelakaan dan menghimbau para pengguna kendaraan agar lebih berhati-hati saat melintasinya.
Tahapan Penulisan
Membuat aplikasi mengenai pendeteksian jalanan berlubang dengan pendekatan algoritma YOLOv5 dan OpenCV, serta menggunakan pemrograman Python.
BAB2
Landasan Teori
Deteksi Objek
Merupakan teknologi komputer yang terkait dengan visi komputer dan pemrosesan pada sebuah gambar yang berhubungan dengan pendeteksian pada sebuah objek semantik, seperti manusia, bangunan, dan kendaraan ke dalam bentuk gambar maupun video.
-
Webcam
Merupakan perangkat kamera yang terhubung dengan komputer atau laptop, webcam juga dapat menangkap gambar maupun video.
Python
Merupkan bahasa pemrograman interpretatif yang dapat digunakan untuk semua platform yang dirancang dan berfokus pada tingkat keterbacaan code yang berkaitan dengan Data Science, Machine Learning, dan Internet of Things (IoT).
BAB 3
Metodologi Penelitian
Metode Penelitian
Penginputan merupakan tahapan pertama, dengan menggunakan webcam sebagai media input nya. Fungsi webcam sendiri digunakan untuk menangkap gambar objek jalanan berlubang, yang nantinya akan diproses dalam bentuk citra digital. Dengan menggunakan metode YOLO yang merupakan jaringan untuk mendeteksi objek yang berupa gambar maupun video.
Dataset
Dalam pengambilan dataset yang digunakan untuk pendeteksian jalanan berlubang diambil dari sumber Kaggle yang terdiri dari 618 file.
Prosedur Penelitian
Pada proses ini merupakan gambaran alur dari rancangan sistem yang dibuat dan nantinya akan dijalankan.
Spesiifikasi Hardware
Dalam menjalankan program ini membutuhkan perangkat hardware laptop/komputer yang baik dan memiliki spesifikasi yang tinggi untuk menghasilkan proses yang maksimal, sehingga dapat menjalankan program tersebut. Dalam menjalankan program ini saya menggunakan laptop sebagai hardwarenya dengan spesifikasi AMD Ryzen 5, RAM 16 GB, dan kartu grafis NVIDIA RTX 3050.
-
-
-