PENGENALAN WAJAH SAMARAN MANUSIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Pengenalan wajah adalah metode dalam Machine Learning untuk mengenali objek dalam gambar atau video. Manusia memiliki ingatan untuk mengenali wajah orang lain dan mengenali beberapa benda seperti binatang, tumbuhan, benda hidup, dan benda mati. Namun, bagaimana komputer melakukannya meskipun memiliki memori? Machine Learning adalah teknik atau metode dalam Computer Vision yang dapat digunakan, sehingga komputer dapat memahami wajah satu orang dengan orang lain yang terdapat dalam gambar atau video. Dalam penelitian ini, penulis mengusulkan tentang pengujian beberapa Arsitektur Model Convolutional Neural Network (CNN) yang populer untuk melihat model mana yang lebih baik untuk mengenali dataset wajah orang dalam penyamaran. Penulis menggunakan data "Recognizing Disguised Faces" untuk membedakan 75 kelas wajah, dan kemudian mencoba melatih dan menguji performa dari machine untuk dapat mengenalinya. Yang mana, penelitian ini berguna bagi siapa saja yang ingin mengeksplorasi dan mengembangkan Arsitektur CNN. Penelitian ini diharapkan untuk berkontribusi pada bidang terkait Machine Learning terkait algoritma yang digunakan untuk memecahkan masalah dalam klasifikasi gambar. Hasil eksperimen menunjukkan nilai pengukuran performa terbaik menggunakan transfer learning pada Model Inception-ResNetV2 dengan nilai akurasi pada data yang baru (test data) sebesar 50.19%. Kami kemudian menyimpulkan bahwa ImageNet weight paling baik digunakan untuk pengenalan wajah menggunakan Model Inception-ResNetV2. ====================================================================== Face recognition is a method in Machine Learning to recognize objects in the picture or video. Humans have a memory to recognize other people and recognize some objects like animals, plants, living objects, and non-living objects. However, how the computer does that although it has memory? Machine Learning is the technique or method in Computer Vision that can be used, so computers can understand one person’s face to another person contained in the image or video. In this research, the author proposes about testing some popular Convolutional Neural Network (CNN) Model Architecture to see which one is better to recognize the person face dataset in disguised. The author uses the “Recognizing Disguised Faces” dataset to distinguish 75 classes of faces, and then try to train and test how accurate it can be recognized by the machine, where it will be useful to anyone who needs to explore and develop an Architecture of Deep Learning. This research is expected to contribute to the field Machine Learning related algorithm that is used to solve the problem in image classification. The experimental results show best value for using transfer learning on Inception-ResNetV2 Models with 50.19% accuracy in the test set. We then conclude that ImageNet weight best used for face-recognizing using Inception-ResNetV2