Deep Learning RetinaNet based Car Detection for Smart Transportation Network

Abstract

Deteksi objek yang merupakan salah satu bagian utama dari sistem Smart Transportasion Network (STN) diajukan pada penelitian ini. Penelitian ini menggunakan salah satu model STN yaitu Infrastructure-to-Vehicle (I2V), dimana sistem ini bekerja dengan mendeteksi kendaraan mobil menggunakan model arsitektur RetinaNet dengan backbone Resnet101 dan FPN (Feature Pyramid Network), kemudian hasil deteksi mentrigger VLC transmitter yang terpasang di lampu penerangan jalan mengirimkan sinyal informasi menuju VLC receiver yang dipasang di mobil. Pada tahap proses training, jumlah dataset mobil yang digunakan adalah sekitar 1600 image dan 400 validation image serta pengulangan proses sebanyak 100 epoch. Berdasarkan 50 kali pengujian pada image test, diperoleh nilai precision mencapai 86%, nilai recall mencapai 85% dan f1-score mencapai 84%.

Authors and Affiliations

IRMA AMELIA DEWI, LISA KRISTIANA, ARSYAD RAMADHAN DARLIS, REZA FADILAH DWIPUTRA

Keywords

Related Articles

Proyeksi EXIT Chart untuk Memprioritaskan Data Komunikasi Manusia pada Jaringan Super Padat

Penelitian ini dilakukan untuk menguji jaringan masa depan dengan melibatkan ribuan mesin. Teknik Coded Random Access (CRA) akan dijadikan bagian penting pada teknologi komunikasi seluler generasi ke-5 (5G) tahun 2020 ya...

Perancangan dan Realisasi Antena Mikrostrip Log Periodik dengan Elemen Parasitik Air Gap untuk Aplikasi TV Digital DVB-T2

Penelitian ini mengusulkan desain dan prototipe antena mikrostrip log periodik yang dikembangkan dengan metode parasitik air gap (celah udara) untuk aplikasi TV digital pada rentang frekuensi 478-694 MHz. Penggunaan elem...

Perancangan Oxygen Analyzer Dilengkapi Penyimpanan Data Eksternal Berbasis Arduino Uno

Oxygen analyzer sebelumnya hanya dilengkapi dengan penyimpanan data internal dengan maksimal penyimpanan 10 data. Berdasarkan permasalahan tersebut, dibuatlah oxygen analyzer untuk mengukur kadar oksigen pada output gas...

Sub-Optimal Degree Distribution untuk Prioritas Komunikasi Manusia menggunakan Proyeksi EXIT Chart pada Jaringan Masa Depan

Pada jaringan masa depan melibatkan komunikasi antara mesin dan manusia. Penelitian ini mengusulkan konsep coding dalam jaringan menggunakan Maximum Distance Separable (MDS) codes. Desain sub-optimal degree distribution...

Analisis Dampak Inter-Band Carrier Aggregation pada Perencanaan Jaringan LTE-Advanced

Penerapan teknologi Long Term Evolution (LTE) di Indonesia belum optimal dalam pengalokasian spektrum dikarenakan keterbatasan spektrum, untuk mengatasi masalah tersebut 3GPP mengeluarkan teknologi terbaru yaitu LTEAdvan...

Download PDF file
  • EP ID EP673136
  • DOI -
  • Views 174
  • Downloads 0

How To Cite

IRMA AMELIA DEWI, LISA KRISTIANA, ARSYAD RAMADHAN DARLIS, REZA FADILAH DWIPUTRA (2019). Deep Learning RetinaNet based Car Detection for Smart Transportation Network. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 7(3), 570-584. https://europub.co.uk/articles/-A-673136