scholarly journals Illumination Invariant Face Recognition

2020 ◽  
Vol 10 (3) ◽  
pp. 129
Author(s):  
Regina Lionnie ◽  
Mochamad Miftakhul Huda ◽  
Mudrik Alaydrus
Keyword(s):  
Face Recognition ◽  
Local Binary Pattern ◽  
Cross Validation ◽  
Graph Matching ◽  
Illumination Invariant ◽  
Fold Cross Validation

Face recognition adalah bidang penelitian yang selalu menjadi topik penelitian dengan peminatan yang sangat besar. Berbagai potensial pengembangan aplikasi, dari sistem keamanan individu hingga untuk sistem control dan sistem surveillance. Algoritma pengenalan wajah telah diusulkan oleh banyak peneliti. Metode pengenalan wajah dengan performa yang baik seperti eigenfaces, fisherfaces, jaringan saraf tiruan, elastic bunch graph matching, laplacian faces, dan lainnya. Performa dari algoritma ini awalnya diuji pada gambar wajah yang dikumpulkan di bawah lingkungan kontrol yang baik pada kondisi studio dan pencahayaan yang diatur, dan karenanya, sebagian besar mengalami kesulitan dalam mengatasi gambar alami, yang dapat ditangkap di bawah kondisi pencahayaan, pose, dan ekspresi wajah yang sangat bervariasi. Situasi menjadi lebih menantang ketika kombinasi variasi ini harus ditangani secara bersamaan. Kondisi pencahayaan berbeda menimbulkan hambatan vital dalam sistem pengenalan karena mereka sangat mempengaruhi penampilan gambar wajah dan meningkatkan variasi antar kelas. Pada penelitian ini, telah dibangun sistem pengenalan wajah menggunakan Local Binary Pattern (LBP) dengan total gambar pada basis data sebanyak 400 gambar yang diambil dari 25 kelas/responden. Menggunakan 2-fold cross validation dan jarak Euclidean, presisi tertinggi yang diraih system adalah sebesar 87,98% dengan variasi ekualisasi histogram tanpa menggunakan LBP.

scholarly journals Pengenalan Wajah Manusia berbasis Algoritma Local Binary Pattern

2017 ◽  
Vol 17 (2) ◽  
pp. 29-38
Author(s):  
Ratih Purwati ◽  
Gunawan Ariyanto
Keyword(s):  
Computer Vision ◽  
Support Vector Machine ◽  
Face Recognition ◽  
Local Binary Pattern ◽  
Cross Validation ◽  
Support Vector ◽  
Fold Cross Validation

Face Recognition merupakan teknologi komputer untuk mengidentifikasi wajah manusia melalui gambar digital yang tersimpan di database. Wajah manusia dapat berubah bentuk sesuai dengan ekspresi yang dimilikinya. Wajah manusia dapat berubah bentuk sesuai dengan eskpresi yang dimilikinya. Ekspresi wajah manusia memiliki kemiripan satu sama lain sehingga untuk mengenali suatu ekspresi adalah kepunyaan siapa akan sedikit sulit. Pengenalan wajah terus menjadi topik aktif di zaman sekarang pada penelitian bidang computer vision. Penggunaan wajah manusia sering kita jumpai pada fitur-fitur aplikasi media sosial seperti Snapchat, Snapgram dari Instagram dan banyak aplikasi sosial media lainnya yang menggunakan teknologi tersebut. Pada penelitian ini dilakukan analisa pengenalan ekpresi wajah manusia dengan pendekatan fitur alogaritma Local Binary Pattern dan mencari pengembangan alogaritma dasar Local Binary Pattern yang paling optimal dengan cara menggabungkan metode Hisogram Equalization, Support Vector Machine, dan K-fold cross validation sehingga dapat meningkatkan pengenalan gambar wajah manusia pada hasil yang terbaik. Penelitian ini menginput beberapa database wajah manusia seperti JAFFE yang merupakan gambar wajah manusia wanita jepang yang berjumlah 10 orang dengan 7 ekspresi emosional seperti marah, sedih, bahagia, jijik, kaget, takut dan netral ke dalam sistem. YALE yaitu merupakan gambar wajah manusia orang Amerika. Serta menggunakan dataset CALTECH yang merupakan gambar manusia yang terdiri dari 450 gambar dengan ukuran 896 x 592 piksel dan disimpan dalam format JPEG. Kemudian data tersebut di sesuaikan dengan bentuk tekstur wajah masing-masing. Dari hasil penggabungan ketiga metode diatas dan percobaan-percobaan yang sudah dilakukan, didapatkan hasil yang paling optimal dalam pengenalan wajah manusia yaitu menggunakan dataset JAFFE dengan resolusi 92 x 112 piksel dan dengan tingkat penggunaan processor yang tinggi dapat mempengaruhi waktu kecepatan komputasi dalam proses menjalankan sistem sehingga menghasilkan prediksi yang lebih tepat.

Pose and Illumination Invariant Hybrid Feature Extraction for Newborn

2019 ◽  
Vol 12 ◽  
Author(s):  
Rishav Singh ◽  
Ritika Singh ◽  
Aakriti Acharya ◽  
Shrikant Tiwari ◽  
Hari Om
Keyword(s):  
Feature Extraction ◽  
Face Recognition ◽  
Local Binary Pattern ◽  
Hybrid Approach ◽  
Controlled Environment ◽  
Illumination Invariant ◽  
Speeded Up Robust Features ◽  
Hybrid Feature Extraction ◽  
Recognition Systems ◽  
Gallery Image

Recently a lot of face recognition systems are being designed to identify individuals in a semi controlled environment where pose and illumination are controlled. However, in the case of newborns it is not easy to click the photographs with similar pose and illumination. Here, in this paper a hybrid approach using Speeded Up Robust Features (SURF) and Local Binary Pattern (LBP) is proposed for newborns. Moreover, in this paper the experiment is done for a single gallery image with improved results. It shows that the proposed method has 97.18% accuracy which is an 8% improvement over LBP and 8.6% improvement over SURF for Rank 5.

scholarly journals A Machine Learning Method for Detecting the Trace of Seam Carving

2021 ◽  
Author(s):  
Zehra Karapinar Senturk ◽  
Devrim Akgun
Keyword(s):  
Local Binary Pattern ◽  
Cross Validation ◽  
Detection Method ◽  
State Of The Art ◽  
Evaluation Process ◽  
Support Vector ◽  
Blind Detection ◽  
Seam Carving ◽  
Image Retargeting ◽  
Fold Cross Validation

Image retargeting is a manipulation approach for resizing the images while aiming to keep the image distortion at a low level. Detecting image retargeting is of importance in image forensics or sometimes of importance in checking the originality. The aim of this paper is to introduce a new blind detection method for identifying retargeted images based on seam carving. For this purpose, a new method based on stripes at various numbers, Local Binary Pattern (LBP) transform, and energy map is introduced. The sub-images were obtained from square root of the energy map of LBP transform in the form of stripes for the feature extraction and these were evaluated in terms of several statistical features. The features extracted both from the natural and the seam carved images were used to train a Support Vector Machine (SVM) as a binary classifier. Experimental results were obtained using four-fold cross validation to improve the validity of the results during the evaluation process. According to the experiments, the proposed method produces improved accuracies when compared with the state-of-the-art solutions for the image retargeting detection based on seam carving.

scholarly journals Deteksi Motif Batik Menggunakan Ekstraksi Tekstur dan Jaringan Syaraf Tiruan

2021 ◽  
Vol 10 (2) ◽  
pp. 69
Author(s):  
Raynaldi Fatih Amanullah ◽  
Ade Pujianto ◽  
Bayu Trisna Pratama ◽  
Kusrini Kusrini
Keyword(s):  
Neural Network ◽  
Artificial Neural Network ◽  
Local Binary Pattern ◽  
Cross Validation ◽  
Level 3 ◽  
Artificial Neural ◽  
Fold Cross Validation ◽  
F Measure

<p>Penelitian ini mengajukan sebuah metode klasifikasi batik menggunakan ekstraksi fitur tekstur serta klasifikasi menggunakan jaringan syaraf tiruan (artificial neural network). Metode ekstraksi fitur tekstur yang digunakan adalah DWT, GLCM dan Local Binary Pattern (LBP). Ekstraksi fitur dengan GLCM dan DWT menghasilkan 24 fitur yang terdiri dari 5 fitur GLCM dan koefisien energi dalam 4 sub-band channel hasil dekomposisi. Sementara ekstraksi fitur dengan LBP dilakukan dengan membangun histogram dari matriks hasil LBP. Fitur-fitur tersebut kemudian menjadi masukan bagi jaringan syaraf tiruan untuk kemudian diklasifikasi dalam 5 jenis batik: buketan, ceplok, kawung, parang dan truntum. Dataset yang digunakan adalah 50 gambar batik (10 untuk setiap motif) yang diambil secara acak di internet. Pengujian dilakukan dengan membandingkan dua kelompok fitur: DWT-GLCM dan DWT-GLCM-LBP untuk mengetahui metode ekstraksi fitur yang lebih baik dalam deteksi motif batik. Metode pengujian yang digunakan adalah K-Fold Cross Validation dengan hasil berupa confusion matriks untuk kemudian dihitung nilai akurasi dan F-Measure-nya. Hasil pengujian menunjukkan bahwa penggunaan ekstraksi fitur tekstur DWT-GLCM-LBP mampu mencapai akurasi 74% dengan jenis dekomposisi Daubechies 4 level 3.</p>

Face Recognition by Fuzzy Rule-Based Local Binary Pattern

2014 ◽  
Vol 8 (3) ◽  
pp. 31-34
Author(s):  
O. Rama Devi ◽  
◽  
L. S. S. Reddy ◽  
E. V. Prasad ◽  
◽  
...  
Keyword(s):  
Face Recognition ◽  
Local Binary Pattern ◽  
Fuzzy Rule ◽  
Rule Based

Combination of Support Vector Machine and K-Fold cross-validation for prediction of long-term degradation of the compressive strength of marine concrete

2018 ◽  
Vol 1 (1) ◽  
pp. 120-130 ◽  
Author(s):  
Chunxiang Qian ◽  
Wence Kang ◽  
Hao Ling ◽  
Hua Dong ◽  
Chengyao Liang ◽  
...  
Keyword(s):  
Support Vector Machine ◽  
Environmental Factors ◽  
Cross Validation ◽  
Concrete Strength ◽  
Simulation Method ◽  
Support Vector ◽  
Svm Model ◽  
Artificial Neural Network Ann ◽  
Influence Degree ◽  
Fold Cross Validation

Support Vector Machine (SVM) model optimized by K-Fold cross-validation was built to predict and evaluate the degradation of concrete strength in a complicated marine environment. Meanwhile, several mathematical models, such as Artificial Neural Network (ANN) and Decision Tree (DT), were also built and compared with SVM to determine which one could make the most accurate predictions. The material factors and environmental factors that influence the results were considered. The materials factors mainly involved the original concrete strength, the amount of cement replaced by fly ash and slag. The environmental factors consisted of the concentration of Mg2+, SO42-, Cl-, temperature and exposing time. It was concluded from the prediction results that the optimized SVM model appeared to perform better than other models in predicting the concrete strength. Based on SVM model, a simulation method of variables limitation was used to determine the sensitivity of various factors and the influence degree of these factors on the degradation of concrete strength.

Rancang Bangun Sistem Informasi Untuk Menentukan Kapabilitas Konsumen Dalam Mengambil Pinjaman KPR

2016 ◽  
Vol 7 (2) ◽  
pp. 75-80
Author(s):  
Adhi Kusnadi ◽  
Risyad Ananda Putra
Keyword(s):  
Data Mining ◽  
Low Income ◽  
Cross Validation ◽  
Classification Tree ◽  
Large Population ◽  
Housing Development ◽  
Good Precision ◽  
Index Terms ◽  
The Government ◽  
Fold Cross Validation

Indonesia is one country that has a relatively large population . The government in the period of 5 years, annually hold a procurement program 1 million FLPP house units. This program is held in an effort to provide a decent home for low income people. FLPP housing development requires good precision and speed of development on the part of the developer, this is often hampered by the bank process, because it is difficult to predict the results and speed of data processing in the bank. Knowing the ability of consumers to get subsidized credit, has many advantages, among others, developers can plan a better cash flow, and developers can replace consumers who will be rejected before entering the bank process. For that reason built a system that can help developers. There are many methods that can be used to create this application. One of them is data mining with Classification tree. The results of 10-fold-cross-validation applications have an accuracy of 92%. Index Terms-Data Mining, Classification Tree, Housing, FLPP, 10-fold-cross Validation, Consumer Capability

Sign in / Sign up

Export Citation Format

Share Document