DETEKSI KONDISI PENGGUNAAN MASKER MENGGUNAKAN MULTI CONTEXT REGION CONVOLUTIONAL NEURAL NETWORK

Penggunaan masker secara massal dilakukan untuk mencegah penyebaran virus
covid 19 yang sedang dihadapi oleh penduduk dunia saat ini, tidak hanya praktisi
kesehatan, peneliti pada bidang teknologi juga ikut serta memberikan kontribusi
dalam membendung penyebaran virus covid 19 melalui banyak inovasi dan
penelitian. Pada penelitian kali ini penulis menggunakan framework face mask
detection yang tidak hanya berhenti pada deteksi wajah yang bermasker atau tidak
namun mendeteksiseberapa baik masker digunakan. Pada penelitian kali ini kondisi
tersebut diklasifikasikan menjadi 3 kelas yaitu normal face, correct mask face dan
incorrect mask face. Dari hal yang dijelaskan terdapat sebuah tantangan yang mana
variasi penampilan dari antara kelas tidak terdapat perbedaan yang signifikan dan
sebaliknya. Untuk menghadapi permasalahan tersebut penulis menggunakan
framework Multi context R-CNN yang merupakan bentuk pengembangan dari R�CNN (Regional Convolutional Neural Network) . dengan berbasis struktur Faster
R-CNN yang bertujuan memperbesar jarak antar kelas dan memperkecil jarak data
– data pada pada satu kelas dengan melakukan ekstraksi fitur pembeda. Langkah
pertama yang dilakukan penulis adalah melakukan ekstraksi feature maps dari
Backbone Network VGG Net pada input citra, yang dilanjutkan dengan melakukan
MCFE (Multi Context Feature Extraction) yang dapat menghasilkan feature maps
baru untuk kandidat proposal hasil dari Regional Proposal Module, diakhiri dengan
melakukan klasifikasi dan regresi pada percabangan fully connected layer yang
masing – masing cabang memiliki output yang berbeda, satu cabang untuk
klasifikasi dan yang lainnya melakukan regresi untuk mencari lokasi dari objek.
Dari dilakukannya penelitian ini Multi Context R-CNN mampu memberikan nilai
mAP (mean Average Precision) dari ketiga kelas sebesar 0.75 lebih besar 0.02 dari
Faster R-CNN.