PERBANDINGAN MODEL MASK R-CNN DAN YOLOv9 DALAM PENDETEKSIAN OBJEK PLAT NOMOR KENDARAAN
ABSTRAK
PERBANDINGAN MODEL MASK R-CNN DAN YOLOv9 DALAM PENDETEKSIAN OBJEK PLAT NOMOR KENDARAAN
Denny Prayoga Setiawan Halim
Metode Computer Vision yang dapat digunakan dalam membuat sistem untuk membantu masyarakat telah menjadi semakin banyak. Keakuratan dan efisiensi dari model yang dihasilkan menjadi sebuah hal yang penting dalam memilih model yang ingin digunakan dalam mendeteksi objek. Oleh karena itu, akan dilakukan perbandingan dari beberapa model tersebut dalam pendeteksian plat nomor kendaraan yang dapat menjadi salah satu implementasi dari metode Computer Vision tersebut. Pengenalan plat nomor kendaraan merupakan sebuah hal yang cukup penting dalam keamanan lalu lintas baik itu dalam pengidentifikasian kendaraan, keamanan dalam tempat parkir, dan lainnya. Plat nomor kendaraan tersebut dapat dikenali dan dideteksi untuk keamanan menggunakan metode Computer Vision dalam pendeteksian objek. Dalam penelitian ini, dua metode Computer Vision yaitu metode You Only Look Once (YOLO) versi 9 dan metode Mask Region based Convolution Neural Network (R-CNN) digunakan dan akan dibandingkan menggunakan beberapa metrik yang sudah ditentukan seperti Confusion Matrix dan Average Precision (AP). Dalam pendeteksian bounding box objek plat nomor kendaraan hasil yang didapatkan adalah model YOLOv9 mendeteksi dengan AP sebesar 0.995 dibandingkan dengan 0.972 di model Mask R-CNN, sedangkan dalam pendeteksian karakter pada plat nomor tersebut, model Mask R-CNN memiliki hasil F1-score yang lebih baik dengan nilai 0.801 dibandingkan dengan 0.789 pada model YOLOv9. Akhirnya pada video, model YOLOv9 menghasilkan output dan mendeteksi plat nomor dengan lebih cepat dibandingkan dengan model Mask R-CNN walaupun hasil yang diberikan oleh model Mask R-CNN lebih baik dibandingkan dengan model YOLOv9
URI
https://repo.itera.ac.id/depan/submission/SB2409250111
Keyword
Computer Vision Deteksi Objek YOLOv9 Mask R-CNN Plat Nomor Kendaraan