PENERAPAN DEEP LEARNING PADA FACE RECOGNITION (LITERATURE REVIEW)
Abstract
Penelitian ini mengkaji penggunaan teknologi Convolutional Neural Networks (CNN) untuk pengenalan wajah, dengan fokus pada penerapan teknologi 3D, Generative Adversarial Networks (GAN), dan Deep Convolutional Neural Networks (DCNN). Teknologi 3D menawarkan solusi atas batasan metode 2D, memperbaiki akurasi pengenalan di kondisi pencahayaan yang beragam dan orientasi wajah yang berubah-ubah. Integrasi GAN dan DCNN meningkatkan kemampuan generalisasi model, yang esensial dalam menghadapi variasi data nyata. Penelitian ini juga mengeksplorasi pengembangan CNN yang ringan, cocok untuk aplikasi mobile, yang mengoptimalkan kinerja tanpa mengorbankan efisiensi penggunaan sumber daya. Kajian ini menyoroti pentingnya mengembangkan dataset yang variatif untuk melatih model dengan efektif, mendorong keakuratan yang lebih tinggi dalam pengenalan wajah. Hasil dari penelitian ini menunjukkan bahwa teknologi pengenalan wajah memiliki potensi besar untuk diterapkan dalam berbagai aplikasi, mulai dari keamanan hingga layanan personalisasi, memperkuat perlunya penelitian lebih lanjut untuk terus meningkatkan teknologi ini.
Full Text:
PDFReferences
Adjabi, I. (2020). Past, Present, and Future of Face Recognition: A Review.
Alturki, R., Alharbi, M., & Alanzi, F. (2021). Deep learning techniques for detecting and recognizing face masks : A survey. March 2020.
Chowanda, A. (2021). Separable convolutional neural networks for facial expressions recognition. Journal of Big Data. https://doi.org/10.1186/s40537-021-00522-x
Cnn, D. M., Arsal, M., Agus, B., & Anggraini, D. (2020). Jurnal Nasional Teknologi dan Sistem Informasi Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning. 01, 55–63.
Dewi, N., & Ismawan, F. (2021). Implementasi Deep Learning Menggunakan Convolutional Neural Network untuk Sistem Pengenalan Wajah. 14(1), 34–43. https://doi.org/10.30998/faktorexacta.v14i1.8989
Febriya, F., & Network, C. C. N. (2023). PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK. 2(2).
Fime, A. A., Sikder, D., Rabbi, J., Al-rakhami, M. S., Sen, O., & Fuad, M. (2021). Recent Advances in Deep Learning Techniques for Face Recognition. July.
He, L., He, L., & Peng, L. (2023). applied sciences CFormerFaceNet : Efficient Lightweight Network Merging a CNN and Transformer for Face Recognition.
Liu, W., Zhou, L., & Chen, J. (2021). Face Recognition Based on Lightweight Convolutional Neural Networks.
Setiawan, D. (n.d.). 66 Dhanny S., Andikha D.P., Kezia S., Jenisa F. 66–79.
Wiguna, C. W., Irawan, J. D., Orisa, M., & Industri, F. T. (2022). PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK PADA APLIKASI DETEKSI WAJAH BURONAN BERBASIS WEB. 6(2).
DOI: https://doi.org/10.46576/djtechno.v5i1.4541
Article Metrics
Abstract view : 292 timesPDF – 266 times
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Zelvi Gustiana, Ananda Hadi Elyas
DJTECHNO: Jurnal Teknologi Informasi Indexed By
Djtechno: Jurnal Teknologi Informasi published by :
PROGRAM STUDI TEKNOLOGI INFORMASI UNIVERSITAS DHARMAWANGSA
Alamat : Jl. K. L. Yos Sudarso No. 224 Medan
Kontak : Tel. 061 6635682 - 6613783Â Fax. 061 6615190
Surat Elektronik : s1.ti@dharmawangsa.ac.id
Djtechno: Jurnal Teknologi Informasi
Ciptaan disebarluaskan di bawah Creative Commons Attribution-ShareAlike 4.0 International License