Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
PENINGKATAN DETEKSI OBJEK KECIL PADA CITRA UDARA BERBASIS YOLOV8 DENGAN PENDEKATAN SLICING AIDED HYPER INFERENCE (SAHI)
Pengarang
ASMAUL HUSNA - Personal Name;
Dosen Pembimbing
Aulia Rahman - 198111022012121003 - Dosen Pembimbing I
Safrizal - 198212132018031001 - Dosen Pembimbing II
Nomor Pokok Mahasiswa
2104105010071
Fakultas & Prodi
Fakultas Teknik / Teknik Elektro (S1) / PDDIKTI : 20201
Subject
Kata Kunci
Penerbit
Banda Aceh : Fakultas Teknik Elektro., 2025
Bahasa
No Classification
-
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Deteksi objek kecil pada citra udara merupakan tantangan dalam computer vision karena resolusi rendah dan kepadatan objek tinggi pada citra drone. Penelitian ini mengusulkan integrasi YOLOv8 dengan Slicing Aided Hyper Inference (SAHI) untuk meningkatkan akurasi deteksi objek kecil. YOLOv8 digunakan sebagai model dasar, sedangkan SAHI memotong citra menjadi potongan kecil untuk meningkatkan sensitivitas deteksi terhadap objek kecil. Penelitian ini menggunakan dataset VisDrone2019, dengan tahapan pelatihan model YOLOv8, implementasi SAHI, dan evaluasi performa menggunakan metrik mAP, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kombinasi YOLOv8 dan SAHI dapat meningkatkan performa deteksi objek kecil pada citra udara secara signifikan.
Kata kunci: deteksi objek kecil, YOLOv8, SAHI, citra udara, VisDrone.
Small object detection in aerial imagery is a major challenge in computer vision due to low object resolution and high background complexity in drone-captured images. This study proposes the integration of YOLOv8 and Slicing Aided Hyper Inference (SAHI) to enhance the accuracy of small object detection. YOLOv8 serves as the base model, while SAHI improves detection sensitivity by slicing high-resolution images into smaller patches. The VisDrone2019 dataset is used to evaluate the system, with model performance measured using mAP, precision, recall, and F1-score metrics. The results show that the combination of YOLOv8 and SAHI significantly improves small object detection performance in aerial imagery. Keywords: small object detection, YOLOv8, SAHI, aerial imagery, VisDrone.
PENERAPAN CYCLE GENERATIVE ADVERSARIAL NETWORK (CYCLEGAN) UNTUK MENINGKATKAN RESOLUSI CITRA MALAM PADA DETEKSI KENDARAAN LALU LINTAS (Yuni Eriza, 2025)
PENERAPAN CYCLE GENERATIVE ADVERSARIAL NETWORK (CYCLEGAN) UNTUK MENINGKATKAN RESOLUSI CITRA MALAM PADA DETEKSI KENDARAAN LALU LINTAS (Yuni Eriza, 2025)
PERBANDINGAN PERFORMA MODEL DEEP LEARNING ONE-STAGE DAN TWO-STAGE UNTUK DETEKSI MANGROVE DARI CITRA UDARA (Ahyar Maulana, 2025)
APLIKASI WAVELET UNTUK DETEKSI TEPI PADA CITRA GRAYSCALE YANG BERDERAU (Rahmi Meutia, 2024)
IMPLEMENTASI CONVOLUTIONAL RECURRENT NEURAL NETWORK (CRNN) UNTUK IDENTIFIKASI PLAT NOMOR KENDARAAN PADA SISTEM PARKIR BERBASIS RASPBERRY PI (Rivaul Muzammil, 2025)