UNIVERSAL FACE RECOGNITION MEMANFAATKAN MULTIPLE DEEP CONVOLUTIONAL AUTO ENCODER

  Source : https://journal.binus.ac.id/index.php/commit/article/view/6688

Pengolahan citra merupakan teknologi yang berkembang sangat cepat. Salah satunya yaitu teknologi untuk mendeteksi atau mengenali wajah atau yang lebih dikenal sebagai face recognition. Pengembangan pada face recognition meliputi klasifikasi fitur pada pengenalan wajah, bentuk wajah, umur, etnis, dan lain-lain. Pengenalan wajah selain berfungsi untuk hiburan seperti teknologi filter, juga berfungsi untuk identifikasi wajah untuk alasan keamanan dengan menggunakan perangkat elektronik. Hal ini mendasari Kenny Vincent untuk membuat Tugas Akhir yang berjudul “Universal Face Recognition Memanfaatkan Multiple Deep Convolutional Auto Encoder dan Lazy Learning Algorithm”

Lazy Learning Algorithm adalah jenis algoritma yang melakukan estimasi yang diperlukan ketika input diberikan. Contoh paling terkenal dari algoritma ini adalah algoritma kNN. Algoritma ini bekerja dengan mengukur jarak antara input dan semua data pada dataset serta mengklasifikasikannya sebagai populasi mayoritas dari sejumlah tetangga yang paling dekat dengannya. Dalam penelitian ini akan memperkenalkan metode dengan mengurangi racial bias dalam face recognition.

Penelitian pada Tugas Akhir ini hanya dilakukan dengan menggunakan 100 identitas yang terdiri dari tiga kelompok ras yang berbeda. Kemudian setiap gambar yang digunakan dalam kondisi pencahayaan yang berbeda. Namun, dalam penelitian ini menemukan bahwa CAE (Convolutional Auto-Encoder) tidak cukup baik untuk diklasifikasikan dalam identifikasi wajah. Sedangkan Lazy Learning Algorithm tidak mengenali kesamaan apapun dalam distribusi data dari gambar yang di-encode kan dengan identitas yang sama. Untuk ektraksi fitur, terbukti bahwa transfer learning menggunakan metode deep-learning bekerja dengan baik ketika blok klasifikasi dihilangkan.