Arief, Rezki Wulandari (2021) Sistem Deteksi dan Pengenalan Rambu Lalu Lintas Di Indonesia Mengunakan Algoritma YOLOv4 = Traffic Sign Detection and Recognition System in Indonesia Using the YOLOv4 Algorithm. Thesis thesis, Universitas Hasanuddin.
D032181010_tesis_cover1.jpg
Download (210kB) | Preview
D032181010_tesis_bab 1-2.pdf
Download (1MB)
D032181010_tesis_dp.pdf
Download (885kB)
D032181010_tesis.pdf
Restricted to Repository staff only
Download (3MB)
Abstract (Abstrak)
Rezki Wulandari Arief. Sistem Deteksi Dan Pengenalan Rambu Lalu Lintas Di Indonesia Menggunakan Algoritma YOLOv4. (dibimbing oleh Ingrid Nurtanio dan Faizal Arya Samman)
Rambu lalu lintas merupakan salah satu fasilitas perlengkapan jalan yang penting untuk menginformasikan kepada pengguna jalan tentang peraturan dan petunjuk secara visual. Saat ini sedang berkembang sistem otomatis Traffic Sign Recognition (TSR) yang diterapkan pada sistem pengemudi tingkat lanjut (ADAS) agar pengguna jalan dapat aman dan selamat saat di jalan raya. Oleh karena itu, makalah ini bertujuan untuk dapat mendeteksi dan mengenali rambu-rambu lalu lintas yang ada di jalan raya sehingga memberi informasi makna dari rambu lalu lintas tersebut secara otomatis. Pada penelitian ini menggunakan 35 kelas rambu yang terdiri dari rambu peringatan, larangan, perintah, dan petunjuk. Sistem ini diimplementasikan menggunakan framework darknet dengan model You Only Look Once version 4 (YOLOv4). Investigasi yang dilakukan dalam penelitian ini adalah sistem yang mendeteksi dan mengenali rambu-rambu lalu lintas yang sudah dites secara realtime. Hasil mAP (mean Average Precision) pada sistem ini sebanyak 95.15%.
Kata kunci : Rambu Lalu Lintas, YOLOv4, Deteksi Objek
Item Type: | Thesis (Thesis) |
---|---|
Uncontrolled Keywords: | Traffic Signs, YOLOv4, Object detection |
Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
Divisions (Program Studi): | Fakultas Teknik > Teknik Elektro |
Depositing User: | S.Sos Rasman - |
Date Deposited: | 29 Sep 2022 00:00 |
Last Modified: | 29 Sep 2022 00:00 |
URI: | http://repository.unhas.ac.id:443/id/eprint/18961 |