Tugas Recognise

 17429052_Recognise

Rincian Tugas Computer Vision :

1. Mencari 3 jurnal tentang PCA, LDA, ICA (recognise) dan menceritakan ulang sesuai apa yang di pahami.

2. Mencari penjelasan konsep eigenfaces

JAWABAN

1.       Face recognition atau pengenalan wajah adalah salah satu teknologi biometrik yang telah banyak diaplikasikan dalam sistem security selain pengenalan retina mata, pengenalan sidik jari dan iris mata.sistem pengenalan wajah banyak di aplikasikan dengan menggunakan berbagai metode diantaranya metode PCA,ICA,dan LDA.

·         PCA(Principal Component Analysis) merupakan salah satu metode klasifikasi yang terbukti akurat dalam pengenalan wajah karena kemampuan untuk mengekstrak struktur global dari sekumpulan data berdimensi tinggi, dengan mengurangi attribut dalam mengolah data. Namun fitur yang diekstrak secara global, sehingga tidak optimal untuk membedakan satu kelas wajah yang lain. Penerapan kernel pada PCA (KPCA) diusulkan sebagai non-linier perluasan dari PCA untuk pengenalan pola. Penerapan PCA untuk proses segementasi.

Principal Component Analysis merupakan salah satu metode paling populer yang digunakan untuk feature extraction dan data representation. Metode PCA mencari varian terbesar pada data yang disebut principal components. Citra wajah diubah kedalam small set yang berisi dimensi fitur dari wajah kemudian di proyeksikan kedalam feature space untuk merepresentasikan citra wajah kedalam dimensi yang lebih rendah.

·         ICA(Independent Component Analysis) adalah salah satu algoritma dari teknik BSS yang dapat membedakan unsur atau komponen penyusun campuran sinyal secara independen. Penggunaan teknik BSS dengan menggunakan algoritma ICA sudah pernah diterapkan sebelumnya . Algoritma ICA tidak dapat bekerja secara maksimal pada kondisi terdapat gaung dan gema. Permasalahan yang timbul pada metode ini adalah perubahan urutan sumber suara dan acaknya setiap gain sumber. Independent Component Analysis (ICA) adalah metode pemrosesan sinyal untuk menemukan komponen pembentuk sinyal campuran. Ada beberapa algoritma untuk menjalankan metode ICA, salah satunya adalah algoritma FastICA. Algoritma FastICA merupakan algoritma dengan proses sederhana dalam pemisahan sinyal suara. Salah satu metode untuk menentukan komponen Independent pada algoritma ini adalah metode symetrical.

·         LDA(Linear Discriminant Analysis) juga dikenal sebagai Fisher’s Discriminant Analysis. LDA mencari transformasi linier seperti feature clusters berdasarkan rasio antara matriks sebaran between-class (Sb) dan matriks sebaran within-class (Sw). Metode Linier Discriminant Analysis (LDA) dapat digunakan untuk berbagai aplikasi seperti pengenalan tulisan tangan, wajah, segmentasi citra dan lainnya, LDA mampu meningkatkan pengenalan pola , analisis wilayah untuk membedakan satu karakter dengan karakter yang lain , namun LDA tidak optimal untuk multi class . Penerapan fungsi kernel pada LDA (KDA) dapat mengatasi kelemahan multi class pada LDA, dengan tingkat akurasi pengenalan yang akurat , akan tetapi untuk sample yang besar membutuhkan waktu komputasi yang tinggi , karena citra wajah memiliki variasi yang dapat berubah-ubah . Oleh kerena itu perlu adanya metode untuk optimasi untuk meminimalkan waktu komputasi dengan tidak mempengarui hasil klasifikasi. Pada penelitian ini kami menggunakan dua pendekatan ektraksi fitur wajah.

 

Penjelasan di atas saya ambil dari jurnal

-           Pengenalan Multi Wajah Berdasarkan Klasifikasi Kohonen SOM Dioptimalkan dengan Algoritma Discriminant Analysis PCA (ISSN 2579-5341)

-          Symmetrical Singular Value Decomposition Representation Under Illumination Face Image Using Gabor Filter For Face Recognition(ISSN: 2301-7201, E-ISSN: 2541-5689)

-          Kombinasi Metode Independent Component Analysis (ICA) dan Beamforming untuk Pemisahan Sinyal Akustik Bawah Air(JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6)

 

2.       konsep eigenfaces adalah sebuah metode yang dikemukakan oleh Turk dan Pentland. Metode ini melibatkan sebuah set wajah yang pada dasarnya melibatkan proses analisis komponen utama (Principal Component Analysis). Dalam metode ini citra wajah akan diproyeksikan dalam sebuah ruang fitur yang menonjolkan variasi yang signifikan di antara citra wajah yang diketahui. Fitur signifikan inilah yang disebut dengan Eigenface karena fitur-fitur tersebut adalah komponen utama dari suatu set citra wajah untuk pelatihan. Hal yang perlu diingat adalah fitur-fitur ini tidak berarti berhubungan dengan fitur-fitur yang terdapat pada wajah, seperti mata, hidung, mulut, dan telinga. Eigenface hanya akan menangkap point-point pada citra yang menyebabkan variasi yang signifikan antara wajah-wajah dalam database yang membuat mereka dapat dibedakan.

Sumber dari jurnal :

ANALISIS KOMPONEN UTAMA MENGGUNAKAN METODE EIGENFACE TERHADAP PENGENALAN CITRA WAJAH (ISSN : 2085 – 1669 e-ISSN : 2460 – 0288)