Perancangan Pendeteksi Objek Menggunakan Metode YOLO Dan OpenCV
Keywords:
Deteksi objek, OpenCV, YOLOAbstract
Deteksi objek adalah cabang ilmu dari computer vision, yang memiliki pengartian objek yang dapat dilihat secara visual dalam sebuah gambar atau video kemudian dapat diteliti, dideteksi, dan dikenali secara langsung oleh komputer. Pada jurnal kami ini menampilkan secara komprehensif tentang pendeteksi objek yang memakai dua kombinasi dari OpenCV dan YOLO, dua kombinasi ini termasuk ke sebuah algoritma pembelajaran mendalam yang canggih atau Deep Learning. Pengertian OpenCV yaitu sebuah kumpulan pustaka computer vision yang memiliki sumber terbuka yang dapat diartikan dengan beragamnya fungsi algoritma disana. Di lain sisi , YOLO yaitu sebuah metode yang memiliki algoritma pendeteksi objek, berfungsi untuk mencapai kinerja maksimal secara langsung tanpa mengurangi sedikit pun akurasinya. Pembelajaran pada kali ini, kami mengkombinasikan kemampuan dari kedua program ini untuk membuat sebuah sistem pendeteksi objek yang memiliki kinerja yang baik. Sekarang kami akan memberikan pendekatan singkat tentang kedua program ini, yang memiliki pusat di bagian komponen utama. Kesimpulan dari jurnal kami ini memberikan pengalaman secara komprehensif tentang pendeteksi objek memakai dua kombinasi yaitu OpenCV dan YOLO. Pada studi ini akan memperhatikan tentang keuntungan dari kombinasi dari kedua kombinasi tersebut dalam hal waktu dan ketepatan serta memberikan implementasi yang mudah dari sistem tersebut. Pada bagian akhir akan menampilkan kinerja sistem untuk aplikasi pendeteksi objek secara langsung.
References
Rosyani, P., Wirandi1, D. S., Permadi, E. D., Ardiyansyah, Prasetio, D., & Rudin, M. (2022). Kecerdasan Buatan Alat Pendeteksi Maling Berbasis Arduino Menggunakan Sensor Ultrasonic Melalui SMS. Scientia Sacra: Jurnal Sains, Teknologi Dan Masyarakat, 2(2).
Rosyani, P., Sundawa, E., Utami, M. N., Putra, A. S., & Nur, M. I. (2022). Analisis Perbandingan Metode Logika Fuzzy Untuk Menentukan Harga Penjualan/Pembelian Sepeda Motor. BISIK : Jurnal Ilmu Komputer, Hukum, Kesehatan, Dan SosHum Hasil Penelitian Dan Pengabdian Masyarakat, 1(1).
Randy Moh, Aldof Faris, Dinda Desmonda Muslimah, Sriyani Mentari, Widya Ningrum Permana, Shindi Yuliani. "PENDETEKSIAN OBJEK MENGGUNAKAN OPENCV DAN METODE YOLOv4-TINY UNTUK MEMBANTU TUNANETRA" Journal of Computer Science and Information Technology (JCSIT) Volume 1, No 2 – Maret 2024 e-ISSN : 3031-8467.
Taufik Hidayat, Restu Fajar Firmansyah, Muhammad Ilham, Muhammad Naufal Yazid, & Perani Rosyani. (2023). Analisis Kinerja Dan Peningkatan Kecepatan Deteksi Kendaraan Dalam Sistem Pengawasan Video Dengan Metode YOLO . JRIIN :Jurnal Riset Informatika Dan Inovasi, 1(2), 504–509. Retrieved from http://jurnalmahasiswa.com/index.php/jriin/article/view/206
Nisan Yedidiya Sorayana Mendrofa, Ahya Mahfuzie, Muhammad Faisal, Ahmad Haidar, & Perani Rosyani. (2023). PERBANDINGAN METODE YOLO DAN FAST R-CNN DALAM SISTEM DETEKSI PENGENALAN KENDARAAN. JRIIN :Jurnal Riset Informatika Dan Inovasi, 1(2), 431–436. Retrieved from http://jurnalmahasiswa.com/index.php/jriin/article/view/170
Rosyani, P., Maulida, A., Rahmatulloh, A., Ahussalim, I., & Mulia, R. A. J. (2023). Analisis Metode Forward Chaining pada Sistem Pakar: Systematic Literature Review. Jurnal Manajemen, Ekonomi, Hukum, Kewirausahaan, Kesehatan, Pendidikan Dan Informatika (MANEKIN), 1(4).
