Deteksi Manusia secara Langsung dengan YOLO untuk Seni Generatif

Suwandi, Faatihah Rahmah (2023) Deteksi Manusia secara Langsung dengan YOLO untuk Seni Generatif. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (350kB) | Preview
Preview	PDF BAB_I.pdf Download (335kB) | Preview
Preview	PDF BAB_II.pdf Download (8MB) | Preview
Preview	PDF BAB_III.pdf Download (1MB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (327kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Penelitian berlatar belakang untuk merancang bangun sistem deteksi khusus Human Pose yang menghasilkan sebuah karya seni digital dua dimensi. Karya seni digital dua dimensi dibuat menggunakan metode Generative Art dengan pemanfaatan rumus matematika Modulus serta dilakukan perbandingan waktu proses deteksi pada Central Processing Unit (CPU) dan Graphics processing unit (GPU). Penelitian ini dirancang menggunakan algoritma deep learning YOLOv7 dengan framework CSP-Darknet53, weight yolov7-pose serta menggunakan dataset COCO Val 2017. Ditinjau dari sistem YOLO yang dibangun, hasil penelitian belum dapat dikatakan sempurna. Ini dikarenakan pengimplementasian belum mencapai deteksi secara real-time. Generative Art berhasil tercipta dengan pemanfaatan rumus modulus berupa karya seni dua dimensi. Perbedaan kecepatan deteksi menghasilkan kesimpulan penggunaan GPU lebih cepat dari CPU, untuk proses inference dan non-max suppression lebih cepat sebanyak 9.9 kali dan 3.6 kali untuk keseluruhan waktu proses deteksi. Penelitian ini diharapkan dapat membuka lingkungan baru dalam pembuatan seni rupa.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Generative Art, Human Pose Estimation, p5js, YOLO
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	11 Mar 2023 09:04
Last Modified:	25 Aug 2023 07:09
URI:	https://kc.umn.ac.id/id/eprint/23839

Actions (login required)

View Item