ANALISIS PENGARUH PENGGUNAAN EULER REGRESSION DAN ONE-SHOT REGRESSION PADA MODEL COMPLEX YOLOV4 UNTUK APLIKASI AUTONOMOUS DRIVING

PUTRI WAHYU HERLINA

Informasi Umum

Kode

23.04.1870

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning, Automatic Control Engineering,

Dilihat

272 kali

Informasi Lainnya

Abstraksi

Autonomous driving merupakan teknologi dengan mode otomasi mengemudi yang mana objek ditangkap menggunakan sensor dan kamera. Objek yang ditangkap oleh LiDAR diubah menjadi point cloud yang merepresentasikan bentuk objek hasil deteksi. Namun, pendeteksian objek 3D (3 Dimension) pada autonomous driving secara real time menyebabkan persebaran letak titik koordinat pada bounding box tidak sesuai dengan objek yang telah dideteksi. Complex You Only Look Once version 4 (YOLOv4) merupakan solusi untuk mengatasi ketidaksesuaian persebaran titik koordinat pada bounding box dengan bantuan euler dan one-shot regression.

Pada Tugas Akhir ini dilakukan analisis terhadap penggunaan euler regression dan one-shot regression pada parameter regresi untuk meningkatkan performa deteksi objek pada autonomous driving. Input data yang digunakan berupa data Light Detection and Ranging (LiDAR) yang didapatkan dari KITTI Vision Benchmark. Hasil keluaran pada Tugas Akhir ini berupa model dengan bounding box yang tepat di setiap kelas objek hasil deteksi.

Analisis yang dilakukan pada Tugas Akhir ini berfokus pada parameter regresi yaitu upper factor, limit angle dan scaling. Model dengan performa terbaik didapatkan pada model skenario modifikasi III dengan nilai mAP sebesar 37,7%, precision pada kategori car sebesar 36,1%, recall pada kategori car sebesar 90,9%, AP pada kategori car sebesar 77,9%, dan nilai F1-score pada kategori car sebesar 51,2%.

Kata Kunci: Autonomous driving, Object Detection, YOLOv4, Euler Regression, One Shot Regression, Mean Average Precission, Frame Per Second