TRANSFER LEARNING UNTUK PENDETEKSI MASKER WAJAH PADA CITRA TERMAL UNTUK KASUS PENGUKURAN RESPIRASI NON KONTAK
Dalam penanganan medis, pengukuran RR berguna untuk mengetahui tanda klinis guna memperkuat diagnosis suatu penyakit dan menentukan perencanaan perawatan medis yang sesuai. banyaknya siklus pernapasan dalam satu menit disebut sebagai frekuensi napas atau Respiratory Rate (RR).
Ada beberapa metode pengukuran RR yaitu konvensional dan elektronik, metode ini mempunyai kekurangan yaitu potensi human error dan menularkan penyakit. perlu adanya sebuah metode pengukuran RR secara non kontak. salah satu caranya dengan memanfaatkan hawa panas yang dihasilkan ketika inhale dan exhale pada saat menggunakan masker. Hal ini dilakukan berkat bantuan kamera termal yang bisa menghasilkan gambar mewakili suhu pada objek tersebut, tetapi kamera termal tidak dapat membedakan objek dalam sebuah gambar.
Tujuan penelitian kali ini adalah untuk membangun model yang dapat mendeteksi masker pada suatu gambar atau citra termal. Peneliti menggunakan metode transfer learning dalam proses pembangunan model. Ada beberapa konfigurasi juga dalam proses pembangunan model antara lain konfigurasi Optimizer, Scheduler dan Batch Size, konfigurasi tersebut yang nantinya disebut juga Hyper Parameter Tunning untuk mengetahui konfigurasi mana yang terbaik, parameter pengujian akurasi yaitu Intersection over Union dan pengujian kecepatan yaitu inference.
Pada penelitian kali ini hasil konfigurasi dengan nilai IoU tertinggi adalah model model FasterRCNN Pretrained dengan konfigurasi CALR4 batch size 4 dengan hasil IoU sebesar 0.915 dengan trainloss 0.0222. Hasilnya juga metode Transfer Learning lebih cepat beradaptasi dengan citra termal dibandingkan dengan model yang tidak menggunakan metode Transfer Learning. Untuk konfigurasi ekstensi pada model FasterRCNN, nilai inference dari ONNX lebih kecil yaitu 0.972 detik dibandingkan dengan PTH yaitu 1.31 detik.
URI
https://repo.itera.ac.id/depan/submission/SB2301160097
Keyword