YOLO (you only look once) ketika kamu mendengar kata ini pertama kali apa yang ada di benak kalian?. Pasti bukanlah hal yang berhubungan dengan algoritma bukan?. Kali ini kita aka membahas apa itu alhoritma YOLO. Algoritma YOLO ini adalah merupakan Real Object Deteciton yang baru-baru ini sangat populer untuk dikembangkan. Sebelum kita membahas lebih jauh ada sedikit vidio yang akan menggambarkan algoritma YOLO tersebut, coba lihat cuplikan vidio berikut https://www.youtube.com/watch?v=VOC3huqHrss
Vidio yang di unggah oleh http://pjreddie.com/yolo menarik bukan. Sekarang kita akan membahas tentang bagai mana cara keraja algoritma YOLO.
Kebanyakan sistem deteksi sebelumnya menggunakan pengklasifikasian atau localizer untuk melakukan deteksi dengan menerapkan model ke gambar di beberapa lokasi dan skala dan memberi nilai pada gambar sebagai bahan untuk pendeteksian.
YOLO menggunakan pendekan yang sangat berbeda dengan algoritma sebelumnya, yakni menerapkan jaringan syaraf tunggal pada keseluruhan gambar. Jaringan ini akan membagi gambar menjadi wilayah-wilayah kemudian memprediksi kotak pembatas dan probabilitas, untuk setiap kotak wilayah pembatas ditimbang probabilitasnya untuk mengklasifikasian sebagai objek atau bukan.
Sumber : https://github.com/pjreddie/darknet/wiki/YOLO:-Real-Time-Object-Detection
Pada bagian akhit akan dipilih kotak pembatas dengan nilai yang paling tinggi untuk di jadikan sebagai pemisah objek satu dengan yang lain seperti pada gambar berikut
sumber : https://github.com/pjreddie/darknet/wiki/YOLO:-Real-Time-Object-Detection
selanjutnya kita akan membahas real-time detection dengan YOLO. Deteksi merupkan hal yang kompleks dibandingkan dengan pengklasifikasian, klasifikasi dapat mengenali objek tetapi tidak dapat memberi tahu dimana letak objek tersebut secara tepat yang berada di dalam gambar. Dan pengklasifikasian tidak akan bekerja dengan baik jika dalam gambar tesebut mengandung lebih dari satu objek.
Sumber : http://machinethink.net/blog/object-detection-with-yolo/
YOLO adalah jaringan syaraf yang pintar untuk melakukan deteksi secara real-time. YOLO memiliki arsitektur yang sederhana yaitu jaringan saraf convolutional.
Jaringan saraf ini hanya menggunakan jenis lapisan standar: konvolusi dengan kernel 3 × 3 dan max-pooling dengan 2 × 2 kernel. Lapisan konvolusional terakhir memiliki 1 × 1 kernel digunakan untuk mengecilkan data ke bentuk 13 × 13 × 125. 13×13 ini seharusnya terlihat familier: itu adalah ukuran grid yang dibagi menjadi gambar. 125 merupakan Channel untu setiap grid. 125 ini berisi data untuk kotak pembatas dan prediksi kelas. Kenpa 125? Nah, setiap sel grid memprediksi 5 kotak sekeliling dan dijelaskan oleh 25 elemen data.
X,Y untuk lebar dan tinggi kotak pembatas ( dua elemen data)
Skor keyakinan ( satu elemen data)
Distribusi probabilitas yang lebih dari 20 kelas ( 20 elemen data)
Menggunakan YOLO itu mudah: kamu tinggal memasukkan gambar, kemudian YOLO akan memproses dengan jaringan konvolusional dalam sekali jalan. Dan keluar (output) menjadi 13x13x125 tensor yang menggambarkan kotak pembatas untuk sel-sel grid. Yang perlu kamu lakukan pada akhir proses adalah menghitung skor akhir untuk kotak pembatas dan mambuang yang lebih rendah dari 30%.
Disusun Oleh : Muhammad Dzulfikar F.
Oleh : Aditya Yanuar R
Sumber :
[1]MIPA UGM
Post a Comment