DETEKSI KENDARAAN MENGGUNAKAN YOLOV7 DAN FIXMATCH PADA LINGKUNGAN MIXED TRAFFIC
Yandri Zaita
Primary Author
mixed material
bibliography
Banda Aceh
Program Studi Magister Teknik Elektro Universitas Syiah Kuala
2024
Tantangan utama dalam konteks pengembangan teknologi deteksi objek adalah ketergantungan yang signifikan pada dataset berlabel dalam jumlah besar. Data tersebut memerlukan waktu dan memori yang cukup besar untuk melakukan anotasi manual, terutama pada lingkungan Mixed Traffic. Penelitian ini bertujuan untuk mengatasi permasalahan tersebut dengan mengintegrasikan teknik pembelajaran semi-supervised, FixMatch, ke dalam model deteksi objek YOLOv7. Teknik ini dapat mendeteksi objek tanpa label dengan baik melalui metode augmentasi kuat dan augmentasi lemah. Dalam penelitian ini objek yang dideteksi pada lingkungan mixed traffic yaitu angkutan umum, becak, mobil, motor, dan truk. Penelitian ini berhasil meningkatkan akurasi deteksi kendaraan hingga 97.8% dengan memanfaatkan data tanpa label, yang menunjukkan bahwa model ini efektif dan efisien dalam mendeteksi kendaraan di berbagai kondisi lingkungan lalu lintas. Hasil ini menunjukkan bahwa model cukup andal untuk digunakan dalam mendeteksi kendaraan di lingkungan lalu lintas yang padat.
0
ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala
138355
2024-10-12 19:45:05
2024-10-14 10:02:56
machine generated