Hizkia Kaunang, Revival Christian (2024) Pengenalan Wajah Tanpa Pengawasan menggunakan DeiT (Data-Efficient Image Transformer). Bachelor Thesis thesis, Universitas Multimedia Nusantara.
![]() |
PDF
HALAMAN_AWAL.pdf Download (277kB) |
![]() |
PDF
BAB_I.pdf Download (147kB) |
![]() |
PDF
BAB_II.pdf Download (136kB) |
![]() |
PDF
BAB_III.pdf Download (202kB) |
![]() |
PDF
BAB_IV.pdf Restricted to Registered users only Download (645kB) |
![]() |
PDF
BAB_V.pdf Download (111kB) |
![]() |
PDF
DAFTAR_PUSTAKA.pdf Download (135kB) |
![]() |
PDF
LAMPIRAN.pdf Restricted to Registered users only Download (719kB) |
![]() |
Archive (ZIP)
CREATION_FILE.zip Download (1MB) |
Abstract
Penelitian ini mengeksplorasi penggunaan model Data-efficient Image Transformer (DeiT) untuk pengenalan wajah tanpa pengawasan. Dengan memanfaatkan dataset MS1M-RetinaFace yang tidak berlabel, penelitian ini bertujuan untuk mengembangkan sistem pengenalan wajah yang efisien dan akurat tanpa bergantung pada data berlabel. Metodologi mencakup preprocessing data, pelatihan model DeiT yang dimodifikasi, dan evaluasi performa menggunakan berbagai metrik. Hasil penelitian menunjukkan potensi signifikan DeiT dalam konteks pengenalan wajah tanpa pengawasan, dengan mencapai Rank-1 Accuracy sebesar 80.84%. Meskipun nilai TAR@FAR=1e-4 untuk evaluasi N:N dan N:M relatif rendah, metrik clustering menunjukkan hasil yang menjanjikan dengan Silhouette Score 0.1287, Davies-Bouldin Index 1.5080, dan Calinski-Harabasz Index 57.7656, mengindikasikan kemampuan model dalam membedakan fitur wajah meski masih memerlukan optimasi lebih lanjut.
Item Type: | Thesis (Bachelor Thesis) |
---|---|
Keywords: | Data-efficient Image Transformer (DeiT), Pengenalan Wajah Tanpa Pengawasan (Unsupervised Face Recognition), Clustering Metrics, Face Recognition, MS1M-RetinaFace Dataset. |
Subjects: | ?? TK7885-7895 ?? |
Divisions: | Faculty of Engineering & Informatics > Computer Engineering |
SWORD Depositor: | Administrator UMN Library |
Depositing User: | Administrator UMN Library |
Date Deposited: | 02 Jun 2025 04:15 |
Last Modified: | 02 Jun 2025 04:15 |
URI: | https://kc.umn.ac.id/id/eprint/37342 |
Actions (login required)
![]() |
View Item |