Pengembangan Sistem Face Recognition menggunakan Cloud Service, Raspberry Pi dan Convolutional Neural Network (CNN)

Abstract

Wajah manusia merupakan bagian terpenting dalam tubuh manusia sebagai karakteristik masing-masing individu manusia. Wajah juga memberikan informasi untuk diidentifikasi sebagai orang dikenal atau tidak, sehingga wajah dapat digunakan sebagai salah satu instrument untuk mengidentifikasi seseorang. Wajah juga memiliki tekstur yang lebih kaya dan area yang luas. Teknik pengenalan wajah telah dilakukan oleh banyak peneliti dengan berbagai macam metode dan pendekatan. Implementasi tentang Cloud Server untuk penyimpanan data Real Time menggunakan Raspberry Pi telah diterapkan. Peneliti tersebut telah membangun Server Cloud Private yang dapat diatur diRaspberry Pi dan digunakan sebagai perangkat penyimpanan untuk aplikasi real time. Hasil dari penerapan ini adalah penggunaan Raspberry Pi yang merupakan mikroprosesor lebih murah dibandingkan menggunakan layanan cloud computing pada umumnya dimana infrastruktur cloud computing dapat diperoleh dengan menggunakan platform cloud yang disediakan oleh vendor cloud tertentu. Penggunaan Cloud sebagai monitoring melalui pengenalan wajah menggunakan metode Gabor dan fitur CS-LBP diterapkan oleh peneliti. Sedangkan penulis tertarik ingin mengembangkan sistem Face Recognition menggunakan Cloud Service pada Raspberry Pi menggunakan metode Convolutional Neural Network (CNN).

Water quality identification based on remote sensing image in industrial waste disposal using convolutional neural networks

“…Qudsi, et al (2019) [5] This study aims to identify handwriting in the form of numbers using the CNN method, as well as to test the CNN performance. CNN is used to recognize and classify patterns in handwriting.…”

“…CNN is included in the type of Deep Neural Network because of the high network depth and is applied to image data. MLP is not suitable for use in the case of image classification because it does not store spatial information from image data and considers each pixel as an independent feature, resulting in poor results [3], [5].…”