Keren, Mahasiswa UNY Buat Aplikasi Pendeteksi Usia Melalui Foto Wajah
Rabu, 08 Desember 2021 - 17:16 WIB
loading...
A
A
A
Baca juga: IPB University Rebut Juara Umum Abdidaya 2021
Syukron Abdul menjelaskan untuk mengekstraksi wajah digunakan Algoritma Multi-Task Cascaded Convolutional Neural Network (MTCNN) karena mampu mengenali wajah dari berbagai angle.
Data yang didapatkan dibagi menjadi 2 yaitu data train yang nantinya akan menjadi data yang akan dibaca/dipelajari oleh mesin serta data validation yang nanti akan menjadi alat uji/pengecekan dalam project yang dilakukan.
Data validasi diperlukan untuk mengecek keakuratan model yang dibangun. Pemodelan klasifikasi jenis kelamin dan prediksi usia dapat dilakukan menggunakan model snapshot ensemble dengan arsitektur Convolutional Neural Network (CNN) yang sama dalam satu kali proses training, sehingga dapat mengurangi computational cost.
“Model snapshot ensemble dapat meningkatkan nilai F1 score serta memperkecil Mean Square Error (MSE) dengan lebih efisien,” paparnya.
F1 score digunakan untuk mengukur seberapa akurat model yang digunakan, semakin nilainya mendekati 1 atau 100% maka model semakin baik. Sedangkan MSE mengukur keakuratan usia, semakin kecil nilainya maka model yang dikembangkan semakin baik.
Syukron Abdul menjelaskan untuk mengekstraksi wajah digunakan Algoritma Multi-Task Cascaded Convolutional Neural Network (MTCNN) karena mampu mengenali wajah dari berbagai angle.
Data yang didapatkan dibagi menjadi 2 yaitu data train yang nantinya akan menjadi data yang akan dibaca/dipelajari oleh mesin serta data validation yang nanti akan menjadi alat uji/pengecekan dalam project yang dilakukan.
Data validasi diperlukan untuk mengecek keakuratan model yang dibangun. Pemodelan klasifikasi jenis kelamin dan prediksi usia dapat dilakukan menggunakan model snapshot ensemble dengan arsitektur Convolutional Neural Network (CNN) yang sama dalam satu kali proses training, sehingga dapat mengurangi computational cost.
“Model snapshot ensemble dapat meningkatkan nilai F1 score serta memperkecil Mean Square Error (MSE) dengan lebih efisien,” paparnya.
F1 score digunakan untuk mengukur seberapa akurat model yang digunakan, semakin nilainya mendekati 1 atau 100% maka model semakin baik. Sedangkan MSE mengukur keakuratan usia, semakin kecil nilainya maka model yang dikembangkan semakin baik.
Lihat Juga :
