Optimasi Model VGG-16 Menggunakan Attention Double Branch dan Support Vector Machine (SVM) untuk Pengenalan Ekspresi Wajah pada Kondisi Occlusion
Tahun 2026 · Penulis: Farisca Ega Rahmawati
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/15640
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Penelitian ini bertujuan untuk meningkatkan kinerja sistem Facial Expression Recognition (FER) pada kondisi wajah yang mengalami occlusion, khususnya akibat penggunaan masker dan variasi pencahayaan pada lingkungan nyata (*in-the-wild*). Dataset yang digunakan adalah Masked Labeled Faces in the Wild for Facial Expression Recognition (M-LFW-FER), yang memiliki karakteristik beragam dari segi pose, pencahayaan, dan penutupan sebagian area wajah. Proses penelitian diawali dengan tahap preprocessing yang meliputi deteksi wajah, cropping, resizing menjadi 224×224 piksel, normalisasi, dan augmentasi data. Selanjutnya, ekstraksi fitur dilakukan menggunakan model VGG-16 berbasis transfer learning yang dioptimasi dengan Double Branch Attention Mechanism, terdiri atas cabang global dan cabang lokal untuk meningkatkan kemampuan model dalam menangkap informasi ekspresi yang relevan. Fitur hasil ekstraksi kemudian diklasifikasikan menggunakan Support Vector Machine (SVM) dengan kernel Radial Basis Function (RBF). Kinerja model dievaluasi menggunakan confusion matrix serta metrik accuracy, precision, recall, dan F1-score. Integrasi VGG-16, Double Branch Attention, dan SVM diharapkan mampu menghasilkan representasi fitur yang lebih diskriminatif sehingga meningkatkan akurasi pengenalan ekspresi wajah pada kondisi occlusion dibandingkan model VGG-16 konvensional.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,850
Tahun 2025 · Penulis: Leonardus Virmus Danar Kusuma Putra
Optimasi Face Gender Recognition Menggunakan VGG-16 dengan Integrasi Spatial Attention Block dan Channel Attention Block
Pengenalan gender dari wajah merupakan salah satu tantangan dalam bidang pengenalan citra wajah yang penting dalam berbagai aplikasi, seperti sistem keamanan, personalisasi layanan, dan interaksi manusia dan komputer. Model VGG-16 sering digunakan dalam tugas
- Cosine 0,804
Tahun 2025 · Penulis: Hannan Amar
Analisis Penggabungan Fitur VGG-16 dengan Rotation Invariant Uniform Local Binary Pattern untuk Pengenalan Ekspresi Wajah
Pengenalan ekspresi wajah merupakan tantangan penting dalam bidang kecerdasan buatan akibat tingginya komplekstitas visual, terutama pada ekspresi yang memiliki kemiripan seperti marah dan jijik. Penelitian ini mengusulkan metode feature fusion yang menggabung
- Cosine 0,785
Tahun 2025 · Penulis: Gustian Aryasatya
Analisis Performa Face Sketch To Photo Transformation Menggunakan Multi Scale Self Attention Generatif Adversal Network
Dalam penelitian ini, dijelaskan penerapan Generative Adversarial Network (GAN) yang ditingkatkan dengan multi scale self attention yang diaplikasikan pada arsitektur generator untuk menyelesaikan tugas face sketch to photo transformation. Masalah terpenting y