<![CDATA[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.]]>
Copyrights © 2024
