IMPLEMENTASI YOLOv8 DAN DEEPSORT UNTUK MULTIPLE OBJECT DETECTION PADA OCCLUSION OBJECT
Oklusi terjadi ketika objek disembunyikan oleh objek yang sama, atau objek ditutupi oleh elemen tetap atau objek dari jenis lain. Oklusi telah dipelajari secara luas, terutama pada pejalan kaki dan transportasi. YOLOv8 ini memiliki fitur
optimasi end-to-end langsung pada kinerja deteksi. Proses deteksi YOLOv8 juga menggunakan anchor-free. Penambahan algoritma DeepSORT digunakan untuk memberikan tingkat akurasi dan pelacakan yang tepat. Dengan cara ini, posisi setiap lintasan yang ada diperkirakan berdasarkan lokasi sebelumnya di setiap bingkai yang baru diberi tanggal. Oleh karena itu, studi khusus adalah tentang deteksi kendaraan, yang meningkat setiap tahun. Hasil yang diperoleh adalah mAP50 sebesar 98%, mAP50-95 sebesar 84% di semua kelas, F1 Score 93%, Precision 97%
dan Recall 98%. Dengan demikian, algoritma YOLOv8-DeepSORT menghasilkan nilai yang akurat dalam mendeteksi objek pada objek oklusi.
Detail Information
Citation
APA Style
. (2024).IMPLEMENTASI YOLOv8 DAN DEEPSORT UNTUK MULTIPLE OBJECT DETECTION PADA OCCLUSION OBJECT ().Teknik Informatika:FTI
Chicago Style
.IMPLEMENTASI YOLOv8 DAN DEEPSORT UNTUK MULTIPLE OBJECT DETECTION PADA OCCLUSION OBJECT ().Teknik Informatika:FTI,2024.Text
MLA Style
.IMPLEMENTASI YOLOv8 DAN DEEPSORT UNTUK MULTIPLE OBJECT DETECTION PADA OCCLUSION OBJECT ().Teknik Informatika:FTI,2024.Text
Turabian Style
.IMPLEMENTASI YOLOv8 DAN DEEPSORT UNTUK MULTIPLE OBJECT DETECTION PADA OCCLUSION OBJECT ().Teknik Informatika:FTI,2024.Text