Informasi Lainnya
Abstraksi
<i>Human pose Estimation</i> (HPE) merupakan salah satu hal dalam <i>vision</i> komputer dimana model yang digunakan mencoba untuk mengestimasi pose dari sebuah gambar atau video. Penelitian tentang HPE sudah banyak dilakukan sebelumnya dengan menggunakan <i>Convolutional Neural Networks </i>(CNN). Pada penelitian ini, dengan menggunakan <i>Mediapipe </i>akan membangun model sistem untuk melakukan estimasi aktivitas manusia berbasis <i>vision</i> dan mengklasifikasinya menggunakan <i>random forest </i>yang hasilnya akan dibandingkan dengan estimasi aktivitas berbasis sensor. Hasil penelitian ini mengungkapkan bahwa <i>random forest </i>dapat mencapai tingkat akurasi 47.2% dalam mengenali aktivitas berjalan. Namun, masih banyak kesalahan klasifikasi pada aktivitas jalan cepat dan berlari. Berbeda dengan estimasi pose aktivitas manusia berbasis sensor yang dapat mencapai akurasi 69% dalam mengenali aktivitas berlari. Ketidakseimbangan data latih, dengan distribusi terbesar pada kelas ‘walking’ sebesar 40%, menyebabkan model kurang baik dalam melakukan klasifikasi. Faktor lainnya seperti variasi gaya antar individu dan teknik pengambilan data juga mempengaruhi akurasi klasifikasi
- CSH4373 - INTERNET OF THINGS
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
