Implementasi Deep Residual Neural Network pada Klasifikasi Usia dengan Citra Wajah

Salah satu challenge pada computer vision adalah age classification. Telah banyak metode yang digunakan untuk mengklasifikasikan usia seseorang dari citra wajah mereka. Salah satu jenis metode tersebut adalah convolutional neural network. Convolutional neural network digunakan karena memiliki akurasi yang tinggi tetapi convolutional neural network tidak dapat menggunakan banyak layer sehingga diciptakan tipe convolutional neural network yang menggunakan teknik residual yaitu residual neural network. Dengan residual neural network, neural network dapat menggunakan banyak layer. Penelitian ini menggunakan model Resnet34. Pada penelitian ini digunakan dataset adience yang terdapat 19.370 citra wajah dari 2.284 subjek dan terdiri dari delapan kelas yaitu kelompok usia 0-2, 4-6, 8-13, 15-20, 25-32, 38-43, 48-53, dan 60-100. Teknik yang digunakan adalah cyclical learning rate, augmentasi data, dan transfer learning. Dilakukan enam skenario training untuk mengetahui model terbaik. Didapat model Resnet34 terbaik dengan nilai average F1 score 0.792. Model tersebut dilatih dengan augmentasi data dan transfer learning pada citra ukuran 224x224