Strategi Ensemble Deep Learning pada Global Multi-Scale dan Local Attention Features pada Pengenalan Ekspresi Wajah
Abstrak
Social signal processing (SSP) merupakan bidang riset dan teknologi yang bertujuan untuk memberikan kemampuan kepada komputer untuk merasakan dan memahami sinyal sosial manusia, termasuk ekspresi wajah sebagai salah satu sinyal sosial yang kuat dalam komunikasi manusia. Dataset RAF-DB (the Real-world Affective Faces Database). Dataset ini terdiri dari tujuh kelas emosi dasar yakni anger, disgust, fear, happiness, neutral, sadness, dan surprise. Metode Global Multi-Scale and Local Attention Network (MA-Net) merupakan salah satu metode yang digunakan untuk pengenalan ekspresi wajah secara otomatis. Performa metode MA-Net pada dataset RAF-DB menghasilkan akurasi tertinggi dibandingkan penelitian sebelumnya yakni sebesar 88.40%. Walaupun telah menghasilkan akurasi yang cukup tinggi, namun metode MA-Net masih memiliki beberapa keterbatasan dalam memprediksi ekspresi wajah. Metode MA-Net kurang bisa mengenali data gambar yang memiliki masalah noise. Penelitian ini dilakukan untuk mengatasi permasalahan tersebut dengan mengusulkan strategi ensemble deep learning untuk meningkatkan performa dari metode MA-Net. Pada ensemble learning terdapat beberapa jenis fungsi agregasi, yaitu voting dan meta-learning. Hasil temuan dari penelitian ini bahwa penggunaan strategi ensemble learning khususnya pada penggunaan fungsi agregasi meta-learner atau stacking ensemble learning dapat meningkatkan performa evaluasi klasifikasi secara keseluruhan maupun pada masing-masing kelas. Penelitian lanjutan dari hasil ialah dapat mengeksplorasi teknik-teknik machine learning yang lainnya seperti transfer learning untuk meningkatkan akurasi dan generalisasi dalam pengenalan ekspresi wajah.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Mayanda Mega Santoni, Nurul Chamidah, Desta Sandya Prasvita
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Penulis yang menerbitkan jurnal ini menyetujui persyaratan berikut:
- Penulis memiliki hak cipta dan memberikan hak jurnal untuk publikasi pertama dengan karya yang secara simultan dilisensikan yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepengarangan karya dan publikasi awal dalam jurnal ini.
- Penulis dapat membuat perjanjian kontrak tambahan yang terpisah untuk distribusi non-eksklusif versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan atas publikasi awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk memposting pekerjaan mereka secara online (misalnya, dalam repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menyebabkan pertukaran yang produktif, serta kutipan yang lebih awal dan lebih besar dari karya yang diterbitkan.
Biaya Publikasi
Jurnal Krea-TIF memiliki biaya publikasi Artikel, dengan
Biaya per Artikel : Rp 350.000
Bank Transfer : CIMB Niaga Syariah 761998938200 an GIBTHA FITRI LAXMI
Penulis diharuskan membayar biaya publikasi sebagai biaya pengajuan untuk berkontribusi dalam pembiayaan proses review dan editing.
*Jika Anda tidak memiliki dana untuk membayar biaya tersebut, Anda akan memiliki kesempatan untuk membebaskan setiap biaya. Kami tidak ingin ada biaya untuk mencegah publikasi karya yang layak. Melalui proses seleksi kelayakan tentunya.