DETEKSI MULTISCALE WAJAH MENGGUNAKAN ARSITEKTUR RETINAFACE
Deteksi wajah dengan variasi skala dalam satu gambar merupakan tantangan utama dalam pengembangan sistem pengenalan wajah. Penelitian ini mengevaluasi performa arsitektur RetinaFace, yang dilengkapi dengan tiga fitur utama: Feature Pyramid Network (FPN) untuk menangkap fitur pada berbagai skala, Context Modules untuk memperkaya informasi kontekstual, dan Cascade Multi-task Heads untuk klasifikasi, regresi bounding box, dan prediksi landmark secara bersamaan. Hasil penelitian menunjukkan bahwa ResNet-152 mencapai akurasi lebih tinggi dengan mAP sebesar 92,85% untuk skenario "easy", 89,99% untuk skenario "medium", dan 74,18% untuk skenario "hard". Sementara itu, MobileNetV1 (0.25) memiliki mAP yang lebih rendah yaitu 89,45% (easy), 86,01% (medium), dan 67,16% (hard), namun unggul dalam kecepatan pelatihan dan pengujian dengan waktu 4 menit 36 detik, dibandingkan dengan ResNet-152 yang membutuhkan 10 menit 22 detik. Pengujian juga menunjukkan bahwa RetinaFace mampu mendeteksi wajah dengan minimal tiga landmark, dengan skala terkecil yang dapat terdeteksi bervariasi tergantung pada orientasi wajah: menghadap depan, ResNet-152 mendeteksi pada skala 12x15 piksel sementara MobileNetV1 (0.25) pada skala 11x14 piksel; menghadap samping kiri, ResNet-152 pada 12x16 piksel dan MobileNetV1 (0.25) pada 11x14,6 piksel; dan menghadap samping kanan, ResNet-152 pada 13x17 piksel dan MobileNetV1 (0.25) pada 11x15 piksel. Penelitian ini menyimpulkan bahwa pilihan backbone dalam arsitektur RetinaFace harus disesuaikan dengan kebutuhan aplikasi, di mana ResNet-152 lebih cocok untuk kondisi yang memprioritaskan akurasi, sementara MobileNetV1 (0.25) lebih efisien untuk aplikasi yang membutuhkan kecepatan. Kata kunci: Deteksi wajah, multiscale, RetinaFace, ResNet-152, MobileNetV1.
APA Style
. (2024).DETEKSI MULTISCALE WAJAH MENGGUNAKAN ARSITEKTUR RETINAFACE ().Teknik Informatika:FTI
Chicago Style
.DETEKSI MULTISCALE WAJAH MENGGUNAKAN ARSITEKTUR RETINAFACE ().Teknik Informatika:FTI,2024.Text
MLA Style
.DETEKSI MULTISCALE WAJAH MENGGUNAKAN ARSITEKTUR RETINAFACE ().Teknik Informatika:FTI,2024.Text
Turabian Style
.DETEKSI MULTISCALE WAJAH MENGGUNAKAN ARSITEKTUR RETINAFACE ().Teknik Informatika:FTI,2024.Text
