Hasil Pencarian  ::  Simpan CSV :: Kembali

"Wajah manusia adalah kumpulan 44 urat di tengkorak atau rangkuman identitas anda? setiap orang memiliki wajah tetapi apa yang kita ketahui tentangnya? inilah cerita mengenai wajah manusia di seluruh dunia. John Cheese-aktor komedi, Profesor di universitas lange ar corne dan pengarang buku psikologis terlaris-menggabungkan analisa intelektual dengan sentuhan humor untuk menyelidiki wajah, penciptaannya, fungsi, seksualitas, komunikasi, identitas, dan persepsi. "

"Wajah manusia adalah kumpulan 44 urat di tengkorak atau rangkuman identitas anda? setiap orang memiliki wajah tetapi apa yang kita ketahui tentangnya? inilah cerita mengenai wajah manusia di seluruh dunia. John Cheese-aktor komedi, Profesor di universitas lange ar corne dan pengarang buku psikologis terlaris-menggabungkan analisa intelektual dengan sentuhan humor untuk menyelidiki wajah, penciptaannya, fungsi, seksualitas, komunikasi, identitas, dan persepsi. "

"Wajah manusia adalah kumpulan 44 urat di tengkorak atau rangkuman identitas anda? setiap orang memiliki wajah tetapi apa yang kita ketahui tentangnya? inilah cerita mengenai wajah manusia di seluruh dunia. John Cheese-aktor komedi, Profesor di universitas lange ar corne dan pengarang buku psikologis terlaris-menggabungkan analisa intelektual dengan sentuhan humor untuk menyelidiki wajah, penciptaannya, fungsi, seksualitas, komunikasi, identitas, dan persepsi. "

"Wajah manusia adalah kumpulan 44 urat di tengkorak atau rangkuman identitas anda? setiap orang memiliki wajah tetapi apa yang kita ketahui tentangnya? inilah cerita mengenai wajah manusia di seluruh dunia. John Cheese-aktor komedi, Profesor di universitas lange ar corne dan pengarang buku psikologis terlaris-menggabungkan analisa intelektual dengan sentuhan humor untuk menyelidiki wajah, penciptaannya, fungsi, seksualitas, komunikasi, identitas, dan persepsi. "

"Penelitian ini, secara umum, ditujukan untuk mengetahui persepsi masyarakat Cina moderen terhadap konsep tradisional Confucianism tentang wajah (lian atau mianzi). Secara khusus, penelitian ini mengungkap bagaimana persepsi tersebut tercermin dalam pola komunikasi antarpersonal mereka. 100 orang Shanghai terlibat dalam penelitian ini, 50 orang diambil dari daerah perkotaan dan 50 orang dari pedesaan. Mereka merepresentasikan berbagai latar belakang sosial yang berbeda, meliputi usia, jenis kelamin, tempat tinggal, dan pekerjaan. Data penelitian dikumpulkan melalui wawancara semi-terstruktur, kemudian dianalisis dengan menggunakan kerangka ajaran Confucianism tentang sifat-sifat yang mendasari konsep wajah. Sifat-sifat itu meliputi relasional, komunal/sosial, hirarkis, dan moral.Analisis data menunjukan bahwa dalam keseluruhan interaksi berbahasanya, para responden sangat memperhatikan nilai-nilai yang terkandung dalam konsep wajah seperti terkandung dalam Confucianism. Diketahui bahwa dari keempat sifat wajah itu, integritas moral de menjadi acuan paling penting untuk menilai apakah seseorang itu masih memiliki wajah atau justru sebaliknya. Hilangnya moralitas berarti hilangnya sifat-sifat manusiawi pada seseorang.

---

This study aims to investigate the Chinese perceptions about the traditional Confucius concepts mianzi/lian ?face? in the context of the world that is changing. In particular, the study focuses on how such perceptions are reflected in their interpersonal communication. Data was collected through direct semi-structured interviews with the respondents, guided by a set of questions regarding the situations they might hypothetically find themselves. Shanghai was chosen as the site for this study because, among other places in China, it has undergone considerable changes. 100 Shanghainese were involved in the study; 50 were city dwellers and 50 villagers, representing their various social backgrounds. The data were analysed by using the Chinese cultural notions underlying the concepts of face: relational, communal, hierarchical, and moral. Analyses show that the respondents often avoid conflicts with their interlocutors, even if they were put in very unfortunate circumstances. These face-favouring acts are indicative of their closed observance of the norms and hence the concepts of face, by which they could gain, maintain, and enhance their own face. In return, they would be regarded as members of the society with polite behaviours and with other good moral characters.The study concludes that although China is changing, the conceptions and practices of the traditional concepts mianzi/lian "face" among Chinese have remained constant. This is because into these concepts are attached the most basic concepts of humanity; the absence of the concepts of face in the mind of human beings can mean the loss of humanity as a whole."

"Perkembangan teknologi pemrosesan citra digital berjalan dengan pesat seiring dengan banyaknya pemanfaatan teknologi tersebut di berbagai bidang kehidupan manusia. Bidang kehidupan manusia yang memanfaatkan teknologi pemrosesan citra digital antara lain adalah: interasi kumputer-manusia, kesehatan, keamanan dan keselamatan, transportasi, robotika. Salah satu penerapan teknologi pemrosesan citra digital adalah pengenalan ekspresi wajah atau Facial Expression Recognition (FER). Wajah manusia dapat menampilkan berbagai macam ekspresi yang berbeda seperti ekspresi senang, sedih, marah, takut, terkejut, jijik dan sebagainya. Perbedaan ekspresi wajah ini menjadi tantangan bagi komputer untuk dapat mengenali dan membedakannya secara akurat. Salah satu teknologi yang digunakan pada aplikasi FER adalah CNN (Convolutional Neural Networks). Penelitian ini menggunakan model CNN AlexNet yang telah dilakukan perbaikan parameter (fine-tuning) untuk diaplikasikan pada pengenalan ekspresi wajah pada citra digital. Fine-Tuning yang dilakukan adalah dengan mengubah beberapa parameter dari model AlexNet. Parameter yang diubah antara lain: normalisasi input (dari normalisasi cross channel menjadi normalisasi batch), fungsi aktivasi dari ReLU (Rectified Linear Unit) menjadi Leaky ReLU, nilai dua buah dropout yang masing-masing bernilai 50% diubah menjadi 30% dan 20%. Program pengenalan ekspresi wajah yang dibuat kemudian diaplikasikan tearhadap dua buah dataset FER yaitu dataset CK+ (Extended Cohn-Kanade) dan KDEF (The Karolinska Directed Emotional Faces). Tahapan pre-processing yang dilakukan adalah mengubah tingkat kekontrasan citra dataset menggunakan metode CLAHE (Contrast Limited Adaptive Histogram Equalization). Hasil pengujian menunjukkan bahwa metode yang menggunaan prosedur CLAHE serta model fine-tuning AlexNet miliki kinerja yang lebih baik dari pada model AlexNet standard. Penggunaan metode ini pada dataset CK+ meningkatkan akurasi rata-rata sebesar 19,01% dan ketika metode ini digunakan pada dataset KDEF mampu meningkatkan akurasi rata-rata sebesar 14,82% dibandingkan pada saat menggunakan model konvensional AlexNet serta tidak melakukan prosedur CLAHE pada citra dataset. Dari hasil pengujian juga diketahui prosedur CLAHE dan fine-tuning AlexNet mampu melakukan klasifikasi ekspresi wajah secara akurat pada citra yang diuji. Sedangkan model konvensional AlexNet dalam beberapa percobaan gagal mengklasifikasikan ekspresi wajah secara tepat pada citra yang diuji.

---

The development of digital image processing technology is progressing rapidly along with the many uses of this technology in various fields of human life. Fields of human life that utilize digital image processing technology include robotics, human-computer interaction, healthcare, security and safety, and transportation. One application of digital image processing technology is facial expression recognition (FER). The human face can display a variety of different expressions such as expressions of happiness, sadness, anger, fear, surprise, disgust, and so on. There is a challenge for the computer to recognize the difference in facial expressions. One of the technologies used in facial expression recognition applications in digital images is artificial intelligence technology especially CNN (Convolutional Neural Networks). In this study, AlexNet, a CNN model was fine-tuned and combined with CLAHE (Contrast Limited Adaptive Histogram Equalization) procedure toward images dataset for facial expression recognition applications. Fine-Tuning AlexNet model were made by changing some of AlexNet's standard parameters. These parameters include: input initialization (from local normalization to batch normalization), activation function (from ReLU to Leaky ReLU), and dropout value changed from 50%; 50% to 30% and 20%. The facial expression recognition program created was then implemented in two FER (Facial Expression Recognition) datasets, namely CK+ and KDEF. After testing, the results showed that the CLAHE and Fine-Tuning AlexNet model had better performance than the basic AlexNet model. When applying the CK+ dataset that had CLAHE procedure with the Fine-Tuning AlexNet model increases the average of accuracy up to 19,01%, when applying to the KDEF dataset, this method increases accuracy up to 14,82%. From the test results it is known that the CLAHE and the Fine-Tuning AlexNet model model gives better results than the original AlexNet model. Fine-Tuning of the AlexNet model is able to give accurate classification of facial expressions in the tested images. While the original AlexNet model in several experiments failed to accurately clasify facial expressions in the tested images."

"Sistem pengenalan wajah yang menggunakan pendekatan klasik sejauh ini belum dapat memberikan hasil optimal jika dihadapkan pada tantangan oklusi. Tantangan oklusi yang dikaji pada penelitian ini adalah saat wajah menggunakan masker. Jika seseorang menggunakan aplikasi sistem pengenalan wajah dengan harus membuka masker terlebih dahulu di tempat umum tentunya sangat berbahaya untuk keselamatan dan kesehatan semua pihak. Sehingga dibutuhkan sistem pengenalan wajah yang memiliki performa sistem yang tinggi dengan tantangan oklusi masker. Penelitian ini membangun sistem pengenalan wajah bermasker dengan pendekatan holistic dan partial face. Metode ekstraksi fitur yang digunakan adalah penggabungan metode kurvatur yang menggunakan turunan parsial orde satu dan dua dengan metode analitik seperti gray level co-occurrence matrix (GLCM) dan multi-resolution analysis (MRA) seperti transformasi wavelet diskrit (DWT), scale-space (SS) dan wavelet packet transform (WPT). Pada penelitian ini juga ditemukan kriteria baru (keterbaruan penelitian) yang dinamakan curvature best basis (CBB) untuk memilih basis pada algoritma best basis di dalam WPT. Kriteria baru pemilihan basis terbaik bersifat dinamis dan menggunakan nilai tertinggi dari ukuran statistik standar deviasi dari kurvatur rerata pada koefisien wavelet. Basis terbaik bekerja sebagai fitur terekstraksi yang bekerja di dalam sistem pengenalan. Penelitian ini dievaluasi menggunakan dataset RFFMDS v1.0, RFFMDS v2.0 EYB, dan UBIPr. Hasil penelitian menunjukkan bahwa sistem pengenalan wajah dengan tantangan oklusi masker berhasil dibangun menggunakan pendekatan holistic dengan akurasi pengenalan sistem sebesar 98,11% dan dengan pendekatan partial face dengan akurasi sebesar 98,80%. Kedua hasil akurasi terbaik ini diperoleh dengan metode curvature best basis. Performa sistem pengenalan yang menggunakan metode curvature best basis dengan pendekatan holistic maupun partial face menunjukkan performa tertinggi dibandingkan dengan performa penelitian sebelumnya.

---

The face recognition system has not been able to produce satisfactory results when it applies classical approach to handle occlusion problems. This research evaluated masked face as the occlusion problem. If someone wants to use the face recognition system, he or she needs to take off the mask to accurately use the device. This becomes a risk for the safety to all party. The needs to have a stable high performance face recognition system has arisen. This research built the face recognition system with two approaches, holistic approach and partial face approach. The feature extraction method was combination of curvature of the first and second order of partial derivative and analytical methods such as gray level co-occurrence matrix (GLCM) and multi-resolution analysis (MRA) of discrete wavelet transform (DWT), scale-space (SS), and wavelet packet transform (WPT). A new dynamic criterion inside WPT has been proposed using the highest standard deviation from the mean curvature of wavelet coefficients. The single selected best basis works as extracted feature inside recognition system and it is called curvature best basis. The recognition system was evaluated using RFFMDS v1.0, RFFMDS v1.0 EYB, and UBIPr datasets. The results showed that the accuracy of the holistic approach was 98,11% and the accuracy of the partial face approach was 98,80% for the masked face recognition system. Both results derived from the proposed curvature best basis. The recognition system’s performance with curvature best basis overcome the results from previous works."

"Face recognition is one of the most important technologies, which has been well-developed over the last two decades. Face recognition technology has reached a level of utmost importance as the security issues increase worldwide. Most of the previously proposed systems, based on half face images are computationally slow and require more storage. In the proposed model, an average half face image is used for recognition to reduce computational time and storage requirements. The Viola Jones method is used in conjunction with intensity-based registration for real time face detection and registration, before splitting the full face. Finally, Principal Component Analysis (PCA) is used to compress the multi-dimensional data space and recognition. Experimental results clearly elaborate that half face recognition produces much better results as compared to the full face recognition and other previously proposed half face recognition models."

"ABSTRAKDeteksi dan pengenalan wajah merupakan salah satu pengolah citra yang dapat digunakan untuk surveillance pada UAV. Namun kasus pengenalan wajah dan deteksi wajah ini merupakan pekerjaan yang sangat sulit dilakukan karena komputer harus dapat melakukan lokalisasi wajah dengan baik kemudian melakukan klasifikasi wajah. Tesis ini membahas penelitian metode deep learning yaitu deteksi wajah dengan menggunakan metode RCNN dan pengenalan wajah dengan menggunakan metode CNN. Eksperimen dengan menggunakan variasi sudut wajah dan jarak wajah terhadap kamera dilakukan untuk mengamati pengaruh parameter terhadap performa model. Hasil penelitian menunjukkan bahwa model RCNN dengan menggunakan satu wajah subjek dapat digunakan untuk melakukan deteksi wajah pada subjek dengan recognition rate sebesar 74% pada parameter IoU > 0.5. Nilai recognition rate pada sistem terintegrasi deteksi danpengenalan wajah sangat tergantung dari hasil prediksi area wajah yang dihasilkan dari model RCNN. Percobaan membuktikan bahwa jarak subjek kamera mempengaruhi recognition rate dari model deteksi wajah.

---

ABSTRACTFace detection and recognition is an image processor that can be used for surveillance on UAVs. However, the case of face recognition and face detection is a very difficult job to do because the computer must be able to do localization of the face well then do face classification. This thesis discusses the research of deep learning methods, namely face detection using the RCNN method and face recognition using the CNN method. Experiments using variations in face angle and face distance to the camera were conducted to observe the effect of parameters on the performance of the model. The results showed that the RCNN model using one subject's face could be used to detect faces on subjects with a recognition rate of 74% on the IoU parameter > 0.5. The value of recognition rate in the integrated detection and face recognition system is highly dependent on the results of the prediction of face areas generated from the RCNN model. Experiments prove that the distance of the camera subject affects the recognition rate of the face detection model."