Implementasi Siamese Convolutional Neural Network untuk Masked Face Recognition

Laynardi, Felix (2022) Implementasi Siamese Convolutional Neural Network untuk Masked Face Recognition. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (380kB) | Preview
Preview	PDF BAB_I.pdf Download (646kB) | Preview
Preview	PDF BAB_II.pdf Download (1MB) | Preview
Preview	PDF BAB_III.pdf Download (1MB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (5MB)
Preview	PDF BAB_V.pdf Download (345kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Pandemi COVID-19 merupakan krisis yang menyebabkan orang-orang perlu un- tuk menggunakan masker, mengurangi kontak, dan menjaga jarak. Dengan mulai dibukanya tempat-tempat kerja, sistem biometrik klasik seperti kata sandi atau sidik jari tidak lagi tergolong aman karena mengharuskan adanya kontak sentuhan. Salah satu metode biometrik yang masih dapat tergolong aman selama pandemi adalah biometrik pengenalan wajah. Namun, pengunaan masker menyulitkan biometrik pengenalan wajah. Oleh karena itu, akan diperlukan implementasi biometrik pen- genalan wajah yang dapat digunakan ketika penggunanya menggunakan masker. Implementasi model pengenalan wajah akan memanfaatkan dataset VGG Face2 yang ditingkatkan dengan melakukan augmentasi pemberian gambar masker de- ngan menggunakan tools MaskTheFace. Selain itu, akan digunakan juga beberapa arsitektur pre-trained model FaceNet, ArcFace ResNet, dan OpenFace untuk mem- bangun model Siamese Convolutional Neural Network. Melalui pengujian yang dilakukan, model yang dibangun dapat memperoleh hasil akurasi 98%, False Ac- ceptance Rate (FAR) sebesar 0,002, dan False Rejection Rate (FAR) sebesar 0,022 dengan memanfaatkan arsitektur FaceNet dan jumlah 15 kelas identitas. Penelitian yang dilakukan menyimpulkan bahwa implementasi Siamese Convolutional Neural Network untuk masked face recognition dapat diimplementasikan dengan baik.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	ArcFace, FaceNet, Face Recognition, MaskTheFace, OpenFace, Siamese Convolutional Neural Network, Triplet Loss
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.4 System Programming, Operating System, Computer Interface
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 03:55
Last Modified:	23 Aug 2023 07:25
URI:	https://kc.umn.ac.id/id/eprint/21997

Actions (login required)

View Item