Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Journal of Computer Science and Information Technology
Randy Moh Yusup
Universitas Majalengka
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science Social Sciences

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PENDETEKSIAN OBJEK MENGGUNAKAN OPENCV DAN METODE YOLOv4-TINY UNTUK MEMBANTU TUNANETRA Randy Moh Yusup; Aldof Faris Anugrah; Dinda Desmonda Muslimah; Sri Mentari Widya Ningrum Permana; Shindi Yuliani
Journal of Computer Science and Information Technology Vol. 1 No. 2 (2024): Maret
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59407/jcsit.v1i2.532

Abstract

Deteksi objek adalah tugas mendasar dalam computer vision dan memiliki banyak aplikasi di berbagai bidang seperti autonomous vehicles, sistem pengawasan, dan robotika. Jurnal ini menyajikan studi komprehensif tentang deteksi objek menggunakan kombinasi dari OpenCV dan YOLOv4-Tiny, yang merupakan sebuah algoritma pembelajaran mendalam yang canggih. OpenCV adalah perpustakaan computer vision sumber terbuka secara luas yang dikenal dengan koleksi fungsi dan algoritma yang luas. Di sisi lain , YOLOv4 Tiny adalah varian ringkas dari algoritma deteksi objek YOLO (You Only Look Once), yang dirancang untuk mencapai performa waktu nyata tanpa mengurangi akurasi. Dalam studi ini, kami memanfaatkan kemampuan OpenCV dan YOLOv4-Tiny untuk mengembangkan sistem deteksi objek yang kuat. Pertama, kami memberikan tinjauan mendetail tentang arsitektur YOLOv4-Tiny, barpusat pada komponen utamanya, termasuk backbone network, feature pyramid, dan detection layers. Kesimpulannya, jurnal ini memberikan eksplorasi komprehensif tentang deteksi objek menggunakan OpenCV dan YOLOv4 Tiny. Studi tersebut menyoroti keuntungan dari kombinasi ini dalam hal kecepatan dan akurasi dan menghadirkan implementasi praktis dari sistem tersebut. Hasilnya menampilkan potensi sistem untuk aplikasi deteksi objek real-time, berkontribusi pada kemajuan visi komputer dan berbagai domainnya. Selain itu, kami mengevaluasi kinerja sistem kami pada kumpulan data tolok ukur standar, seperti COCO (Common Objects in Context), untuk menilai akurasi pendeteksian dan efisiensi komputasinya.
Co-Authors Aldof Faris Anugrah Dinda Desmonda Muslimah Shindi Yuliani Sri Mentari Widya Ningrum Permana