PELACAKAN OBJEK BERBASIS PADA MODEL MULTI-DOMAIN CONVOLUTIONAL NEURAL NETWORK DENGAN MENGGUNAKAN METODE DECISION TREE

Abstract

Abstrak
Object Tracking menjadi salah satu masalah utama di
computer vision. Pelacakan objek digunakan untuk
memudahkan dan mempercepat proses pengolahan data,
mulai dari pendeteksian objek dan human-computer
hingga pencitraan medis Pada penelitian ini dilakukan
pengujian algoritma yang dikembangkan dari metode
Multi-Domain Convolutional Neural Network (MDNet).
MDNet merupakan sebuah metode yang
menggabungkan dua domain, yaitu domain-spesifik dan
domain independen. Pada domain-independen terdapat
shared layer yang menyimpan nilai informasi generik
seperti illumination variation, scale variation, blur dan
background clutter. Sedangkan pada domain-spesifik
adalah cabang – cabang domain sebanyak K (banyak
data) yang terpisah satu sama lain, pada domain ini
terjadi binary classification untuk menentukan target
pada setiap domain. Pelacakan target akan dilakukan
dengan memberikan kandidat bounding box acak.
Ekstraksi fitur akan dilakukan dengan mengambil ciri
pada domain-independen dan domain-spesifik yang
kemudian akan diklasifikasi oleh Decision Tree
berdasarkan aturan – aturan yang telah ditetapkan
sebelumnya. Performa algoritma pelacakan objek
diukur berdasarkan precision plot dan success plot pada
One Pass Evaluation (OPE). Algoritma yang diajukan
pada penelitian ini menunjukan performa yang lebih
baik dengan peningkatan sebesar 0.087 poin pada
precision plot dan 0.071 poin pada success plot
dibandingkan state-of-the-art pelacakan objek yang
telah ada.
Kata kunci: Object Tracking, CNN, MDNet, Decision
Tree.