Deteksi Objek Manusia Menggunakan Fast Region Convolutional Neural Network Dengan Selective Search Untuk Region Proposal

Object Detection menjadi bagian penting dari computer vision yang telah sering digunakan di banyak bidang, seperti pengawasan video, dan sistem keamanan yang memanfaatkan deteksi objek manusia. Deteksi objek manusia sangat berpengaruh penting dalam kehidupan sehari-hari, sehingga membutuhkan sebuah algoritma tertentu untuk memperoleh tingkat akurasi serta kecepatan deteksi syang maksimal. Beberapa peneliti sebelumnya yang telah berhasil membangun sistem deteksi objek menggunakan metode R-CNN, namun terdapat kelemahan pada metode ini yaitu setiap region proposal yang dihasilkan, diproses oleh CNN sehingga membutuhkan waktu komputasi yang lama. Untuk mengatasi masalah tersebut terdapat beberapa penelitian yang dapat memperbaiki kekurangan yang ada pada metode R-CNN, meningkatkan kecepatan dan akurasi yaitu metode Fast R-CNN. Metode Fast R-CNN memproses seluruh bagian citra pada convolutional, dan pooling layer untuk menghasilkan feature map. Kemudian setiap region of interest (RoI) terhadap feature map, dilakukan proses RoI pooling agar dapat dimasukkan pada fully connected layer (FC). Oleh karena itu pada penelitian ini, ekstraksi region proposal menggunakan Selective search yang dikombinasi dengan Fast Region Convolutional Neural Network (Fast R-CNN) untuk deteksi objek manusia. Dataset yang digunakan adalah INRIA Person dataset. Hasil dari uji coba sistem yang dibangun memperoleh nilai recall adalah 0.3, nilai Precision adalah 0.375, dan nilai f1-score adalah 0.333.