Show simple item record

dc.contributor.advisorRahmat, Romi Fadillah
dc.contributor.advisorSitompul, Opim Salim
dc.contributor.authorDennis
dc.date.accessioned2019-09-19T08:14:56Z
dc.date.available2019-09-19T08:14:56Z
dc.date.issued2017
dc.identifier.urihttp://repositori.usu.ac.id/handle/123456789/18459
dc.description142 Halamanen_US
dc.description.abstractPapan iklan (advertisement billboard) merupakan salah satu media promosi yang efektif untuk memberikan informasi mengenai suatu produk atau jasa. Saat ini, pendataan papan iklan sudah dilakukan dengan baik. Akan tetapi, perekaman informasi pada papan iklan membutuhkan tenaga kerja yang banyak dan waktu yang cukup lama untuk mendata semua papan iklan. Oleh karena itu, diperlukan sebuah pendekatan digital untuk mengekstrak informasi pada citra papan iklan yang diambil dan mendapatkan informasi geotag citra tersebut sehingga pendataan papan iklan menjadi lebih cepat. Pendekatan yang diajukan oleh penulis adalah pendekatan menggunakan metode supervised machine learning yang dinamakan Deep Convolutional Neural Network (DCNN) untuk proses pengenalan objek dengan model Inception-v3 yang sudah dilatih. Untuk meningkatkan performa dari pelatihan dilakukan pelatihan ulang menggunakan teknik transfer learning dengan menambahkan citra papan iklan. Setelah itu, layer output akan diklasifikasikan ulang (fine-tuning) sehingga menghasilkan output yang relevan dengan papan iklan. Setelah proses pendeteksian selesai, citra akan disimpan ke dalam database dan informasi geotag akan disimpan dengan metode penyisipan file metadata yang dinamakan Exchangeable Image File (Exif). Hasil pelatihan menggunakan metode Deep Convolutional Neural Network (DCNN) memperoleh tingkat akurasi sebesar 92,7%. Pengujian citra papan iklan pada penelitian ini dilakukan dalam 2 kondisi yang berbeda, yakni pada siang hari dan malam hari. Berdasarkan hasil pengujian, pendeteksian pada siang hari memperoleh tingkat akurasi yang lebih tinggi. Untuk proses geotagging, informasi geografis yang telah tersimpan memiliki akurasi hingga 30 meter. Secara keseluruhan, akurasi papan iklan dipengaruhi beberapa faktor, yaitu jarak pengambilan citra, sudut pengambilan citra, kompleksitas keadaan lingkungan pada saat akuisisi, dan koneksi data pada saat geotagging.en_US
dc.description.abstractAdvertisement billboard is an effective commercial media for advertising information about products or services. Currently, advertisement billboard data management has been done using conventional approach. However, the current data acquisition method is labor-intensive and time-consuming. Hence, a digital approach is needed to extract information in advertisement billboard and also the geographical location of the object, to improve the data acquisition. The approach proposed by the author is the use of supervised machine learning algorithm named Deep Convolutional Neural Network (DCNN) for object classification task with Inception-v3 model. To improve the performance of the pre-trained neural network, more advertisement billboard images is added and trained using transfer learning approach. Then, the output will be fine-tuned into an advertisement-billboard related output. After detecting the advertisement billboard, the image will be saved into a database with geotag information obtained from Exhangeable Image File (Exif) metadata file insertion into the image file. The training of the Deep Convolutional Neural Network (DCNN) results in 92.7% accuracy. The testing is conducted in two different environments in real-time, which are testing during day and testing at night. The testing results show that the detection during day have much higher accuracy during day time. For geotagging process, the geographical location has 30 meter accuracy. Overall, the advertisement billboard accuracy depends on a number of factors, such as shooting distance, shooting angle, environment complexity during image acquisition, and data connection during geotagging.en_US
dc.language.isoiden_US
dc.publisherUniversitas Sumatera Utaraen_US
dc.subjectPendeteksian Papan Iklanen_US
dc.subjectGeotagging Papan Iklanen_US
dc.subjectDeep Convolutional Neural Networken_US
dc.subjectTransfer Learningen_US
dc.subjectKlasifikasi Citraen_US
dc.subjectPengenalan Objeken_US
dc.subjectComputer Visionen_US
dc.titleSistem Pendeteksian dan Geotagging Citra Papan Iklan Secara Real-Timeen_US
dc.typeSkripsi Sarjanaen_US
dc.identifier.nimnipnik121402067


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record