MODIFIKASI YOU ONLY LOOK ONCE V7 TINY UNTUK DETEKSI OBJEK KECIL = MODIFIED YOU ONLY LOOK ONCE V7 TINY FOR SMALL OBJECT DETECTION

Latar belakang. Deteksi objek kecil masih menjadi tantangan signifikan dalam visi komputer, khususnya pada citra UAV (Unmanned Aerial Vehicle) dengan resolusi terbatas dan latar belakang kompleks. YOLOv7-Tiny, sebagai model deteksi ringan real-time, menghadapi keterbatasan dalam mendeteksi objek berukuran kecil secara akurat. Tujuan dan Metode. Penelitian ini bertujuan meningkatkan performa YOLOv7-Tiny melalui modifikasi arsitektur dengan penambahan jalur deteksi resolusi tinggi (P2) serta modifikasi anchor box menggunakan algoritma K-Means yang dievaluasi dengan dua metrik jarak, yaitu Euclidean dan Manhattan Distance. Evaluasi dilakukan pada dua dataset yang berfokus pada objek kecil, yaitu UAV Vehicle Detection dan Flow-Img. Hasil. Hasil pengujian menunjukkan bahwa model usulan, YOLOv7-Tiny-4L, berhasil meningkatkan performa deteksi objek kecil. Pada dataset UAV, model modifikasi YOLOv7-Tiny-4L Euclidean meningkatkan mAP@50 dari 93.44% pada model baseline YOLOv7-Tiny menjadi 95.58%. Peningkatan ini didorong oleh peningkatan Recall signifikan, yang terbukti dari pengurangan False Negative pada kelas car dari 226 menjadi 161 dan truck dari 69 menjadi 35. Pada dataset Flow-Img, model modifikasi YOLOv7-Tiny-4L Euclidean juga meningkatkan mAP@50 dari 83.74% (baseline YOLOv7-Tiny) menjadi 84.64%. Peningkatan ini merupakan hasil dari kenaikan Recall yang terbukti dari pengurangan False Negative dari 154 menjadi 138, dengan hanya sedikit penambahan False Positive dari 10 menjadi 14. Kesimpulan. Modifikasi arsitektur YOLOv7-Tiny melalui penambahan skala deteksi P2 dan penyesuaian anchor box K-Means berhasil meningkatkan sensitivitas dan kemampuan deteksi secara keseluruhan terhadap objek kecil pada kedua dataset.