ECO-FRIENDLY MOBILENET ARCHITECTURE DENGAN CONVOLUTIONAL NEURAL NETWORKS SEBAGAI PENGENAL CITRA PADA PERANGKAT MOBILE DAN PERANGKAT TERTANAM

KHASOGGI, BARLIAN and Ermatita, Ermatita and Samsuryadi, Samsuryadi (2018) ECO-FRIENDLY MOBILENET ARCHITECTURE DENGAN CONVOLUTIONAL NEURAL NETWORKS SEBAGAI PENGENAL CITRA PADA PERANGKAT MOBILE DAN PERANGKAT TERTANAM. Master thesis, Sriwijaya University.

Preview	Text RAMA_55101_09042621721002_0013096707_0004027101_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (6MB) | Preview
	Text RAMA_55101_09042621721002_0013096707_0004027101_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text RAMA_55101_09042621721002_0013096707_0004027101_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (264kB) | Request a copy
	Text RAMA_55101_09042621721002_0013096707_0004027101_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text RAMA_55101_09042621721002_0013096707_0004027101_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (144kB) | Request a copy
	Text RAMA_55101_09042621721002_0013096707_0004027101_06.ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (144kB) | Request a copy
	Text RAMA_55101_09042621721002_0013096707_0004027101_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (8MB) | Request a copy

Abstract

Proses pengenalan citra menggunakan jutaan parameter dan data latih yang banyak serta komputasi tinggi dengan daya yang besar. Machine Learning telah mengubah paradigma komputasi, dari perhitungan kompleks dengan daya komputasi tinggi hingga teknologi ramah lingkungan yang efisien dan dapat memenuhi kebutuhan sehari-hari. Untuk mendapatkan model pelatihan yang baik, banyak studi menggunakan dataset dalam jumlah besar. Kompleksitas pada dataset yang besar membutuhkan perangkat yang besar dan membutuhkan daya komputasi yang tinggi. Oleh karena itu sumber daya komputasi yang besar tidak memiliki fleksibilitas yang tinggi terhadap kecenderungan interaksi manusia yang lebih mengedepankan efisiensi dan efektifitas dari computer vision. Penelitian ini menggunakan metode Convolutional Neural Networks (CNN) dengan arsitektur MobileNet untuk pengenalan citra pada perangkat mobile dan perangkat tertanam. Dilakukan pelatihan model dengan sumber daya yang terbatas dengan CPU berbasis ARM dan bekerja dengan jumlah data latih yang moderat (ribuan citra berlabel). Hasil penelitian ini menunjukkan bahwa arsitektur MobileNet v1 dapat melakukan klasifikasi citra dataset caltech101 dengan tingkat akurasi 92.4% menggunakan perangkat ms8pro. Dengan tingkat akurasi dan efisiensi sumber daya yang digunakan, diharapkan arsitektur MobileNet dapat mengubah paradigma machine learning sehingga memiliki tingkat fleksibilitas yang tinggi terhadap interaksi manusia yang lebih mengedepankan efisiensi dan efektifitas dari computer vision.

Item Type:	Thesis (Master)
Subjects:	T Technology > T Technology (General) > T58.5-58.64 Information technology > T58.64 Management of information systems Production capacity. Manufacturing capacity Cf. HD69.C3 Economics Cf. TS176+ Manufacturing engineering
Divisions:	09-Faculty of Computer Science > 55101-Informatics (S2)
Depositing User:	Users 12 not found.
Date Deposited:	23 Oct 2019 04:46
Last Modified:	23 Oct 2019 04:46
URI:	http://repository.unsri.ac.id/id/eprint/12668

Actions (login required)

View Item