Text

Penerapan Open World Learning Pada Klasifikasi Citra Rambu Lalu Lintas Menggunakan Model Cnn Arsitektur Xception

---

Perkembangan teknologi dalam berbagai bidang berjalan semakin pesat. Salah satunya
adalah pengembangan kendaraan otonom yang membutuhkan sistem pengenalan dan
pemahaman yang baik terhadap lingkungan sekitarnya. Elemen penting yang dibutuhkan
dalam pengenalan lingkungan jalan raya adalah klasifikasi rambu lalu lintas. Convolutional
Neural Network telah mencapai hasil yang memuaskan dalam berbagai tugas pengolahan
citra, termasuk klasifikasi rambu lalu lintas. Salah satu arsitektur CNN yang telah terbukti
berhasil adalah Xception, yang dipercaya dapat menghasilkan model dengan representasi
fitur yang kuat dan efisien. Penerapan Open World Learning juga dibutuhkan dalam
klasifikasi rambu lalu lintas untuk memperkuat kinerja model dalam mengidentifikasi kelaskelas yang tidak dikenal, sehingga model diharapkan dapat mengklasifikasikan kelas yang
dikenal maupun tidak dengan optimal dan akurat. Penelitian ini menggunakan dataset citra
The German Traffic Sign Benchmark dengan membangun model CNN Arsitektur Xception
dan menerapkan Open World Learning, yang bertujuan untuk mendapatkan model terbaik
dalam melakukan klasifikasi citra rambu lalu lintas. Pengujian yang telah dilakukan
menggunakan evaluasi akurasi menghasilkan model terbaik dengan hyperparameter
Learning Rate 0,0005 dan nilai Dropout 0,4, yang memperoleh nilai akurasi yaitu 0,91, nilai
presisi 0,96, nilai recall 0,89, nilai F1-score 0,91, dan nilai prediksi unseen class yaitu 366
citra dari 420 citra.
Kata kunci : Rambu Lalu Lintas, Open World Learning, Klasifikasi, Convolutional
Neural Network, Xception.

---

Ketersediaan

1205F2023

1205 F 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1205 F 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Merry Tantri Millenia Tobing

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar