OBJECT DETECTION MENGGUNAKAN MODEL COMMON OBJECTS IN CONTEXT - SINGLE SHOT MULTIBOX DETECTOR DI WEB BROWSER
DOI:
https://doi.org/10.70248/jrsit.v3i3.3517Keywords:
Deteksi objek, COCO-SSD, TensorFlow.js, visi komputer, real-time, web browser.Abstract
Deteksi objek merupakan salah satu tugas penting dalam computer vision yang digunakan untuk mengidentifikasi dan melokalisasi objek dalam gambar atau video. Dalam penelitian ini, kami mengusulkan sebuah sistem deteksi objek menggunakan model Common Objects in Context (COCO) Single Shot Multibox Detector (SSD) yang dapat dijalankan di web browser. Tujuan dari penelitian ini adalah untuk mengembangkan sistem deteksi objek yang dapat berjalan dengan cepat dan akurat di web browser tanpa perlu instalasi tambahan. Metodologi penelitian ini meliputi pengumpulan dataset COCO, pelatihan model SSD COCO menggunakan framework TensorFlow, dan implementasi model di web browser menggunakan teknologi JavaScript dan WebGL. Sistem ini diuji menggunakan dataset pengujian COCO dan hasilnya dibandingkan dengan model deteksi objek lainnya. Hasil eksperimen menunjukkan bahwa sistem ini dapat mendeteksi objek dengan akurasi yang baik (mAP 0,75) dan kecepatan yang tinggi (30 FPS) di web browser. Sistem ini juga dapat berjalan dengan lancar di berbagai perangkat, termasuk desktop, laptop, dan smartphone. Kesimpulannya, sistem deteksi objek menggunakan model COCO SSD dapat menjadi solusi yang efektif untuk aplikasi deteksi objek di web browser.
References
Lin, T.-Y., Maire, M., Belongie, S., Hays, J., Perona, P., Ramanan, D., Dollár, P., & Zitnick, C. L. (2014). Microsoft COCO: Common objects in context. In European Conference on Computer Vision (ECCV) (pp. 740-755
Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (pp. 779-788).
Liu, W., Anguelov, D., Erhan, D., Szegedy, C., Reed, S., Fu, C.-Y., & Berg, A. C. (2016). SSD: Single shot multibox detector. In European Conference on Computer Vision (ECCV) (pp. 21-37).
He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (pp. 770-778).
Simonyan, K., & Zisserman, A. (2014). Very Deep Convolutional Networks for Large-Scale Image Recognition. International Conference on Learning Representations (ICLR).
Girshick, R. (2015). Fast R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 1440–1448.
Howard, A. G., Zhu, M., Chen, B., Kalenichenko, D., Wang, W., Weyand, T., Andreetto, M., & Adam, H. (2017). MobileNets: Efficient convolutional neural networks for mobile vision applications. arXiv preprint arXiv:1704.04861.
Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems (NIPS), 25, 1097-1105.
Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., Erhan, D., Vanhoucke, V., & Rabinovich, A. (2015). Going deeper with convolutions. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 1-9.
Thohari, A. N. A., dan Adhitama, R. Real-Time Object Detection For Wayang Punakawan Identification Using Deep Learning. Jurnal Infotel (2019)
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.
Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 779-788.
Liu, W., Anguelov, D., Erhan, D., Szegedy, C., Reed, S., Fu, C.-Y., & Berg, A. C. (2016). SSD: Single shot multibox detector. European Conference on Computer Vision (ECCV), 21-37.
Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. Advances in Neural Information Processing Systems (NIPS), 91-99.
He, K., Gkioxari, G., Dollár, P., & Girshick, R. (2017). Mask R-CNN. Proceedings of the IEEE International Conference on Computer Vision (ICCV), 2980-2988.
Prisky Ratna Aningtiyas, Agus Sumin, &Setia Wirawan. (2020) “Pembuatan Aplikasi Deteksi Objek Menggunakan TensorFlow Object Detection API dengan Memanfaatkan SSD MobileNet V2 Sebagai Model Pra –Terlatih” Jurnal Ilmiah KOMPUTASI, Vol. 19, No. 3.
Goralski, M. A., & Tan, T. K. (2020). Artificial intelligence and sustainable development. The International Journal of Management Education, 18(1), 100330.
Chromium Project. (n.d.). Chromium Browser. Retrieved from https://www.chromium.org/Home
WebKit. (n.d.). WebKit Browser Engine. Retrieved from https://webkit.org/
Gecko. (n.d.). Gecko Browser Engine. Retrieved from https://developer.mozilla.org/en-US/docs/Mozilla/Gecko
