Studen Activity

Sumber : https://www.pyimagesearch.com/2020/05/04/covid-19-face-mask-detector-with-opencv-keras-tensorflow-and-deep-learning/

DAFTAR ISI

1. Tujuan

2. Alat & Bahan

3. Materi

4. Percobaan

5. Video Percobaan

6. Link Download

FACE MASK DETECTOR WITH DEEP LEARNING

1. Tujuan

a. Bisa memprediksi apakah seseorang sedang menggunakan masker atau tidak.

2. Alat & Bahan

a. Alat yang digunakan pada pembelajaran ini adalah python pada percobaan ini kita menggunakan vscode sebagai platform open sourcenya

3. Materi

Python

python dibuat pertama kali oleh Guido van Rossum di tahun 1991. Saat ini ada 2 versi, yaitu python 2 dan python 3. Versi yang terbaru adalah versi yang ketiga.

Python dapat digunakan sebagai berikut :

Pengembangan aplikasi web dan seluler back end (atau sisi server)
Pengembangan aplikasi atau perangkat lunak untuk dekstop
Memproses data besar dan melakukan perhitungan matematis
Menulis skrip sistem (membuat instruksi yang memberitahu sistem komputer untuk “melakukan” sesuatu)

Anaconda

Anaconda adalah distribusi bahasa pemrograman Python dan R untuk komputasi ilmiah, yang bertujuan untuk menyederhanakan manajemen dan penerapan paket. Distribusi ini mencakup paket ilmu data yang cocok untuk Windows, Linux, dan macOS.

OpenCV

OpenCV (Open Source Computer Vision Library) adalah sebuah pustaka perangkat lunak yang ditujukan untuk pengolahan citra dinamis secara real-time, yang dibuat oleh Intel, dan sekarang didukung oleh Willow Garage dan Itseez. Program ini bebas dan berada dalam naungan sumber terbuka dari lisensi BSD. Pustaka ini merupakan pustaka lintas platform. Program ini didedikasikan sebagaian besar untuk pengolahan citra secara real-time. Jika pustaka ini menemukan pustaka Integrated Performance Primitives dari intel dalam sistem komputer, maka program ini akan menggunakan rutin ini untuk mempercepat proses kerja program ini secara otomatis.

Keras

Keras adalah API ( aplication program interface ) pembelajaran mendalam yang ditulis dengan Python, berjalan di atas platform pembelajaran mesin TensorFlow. Ini dikembangkan dengan fokus pada memungkinkan eksperimen cepat. Mampu pergi dari ide ke hasil secepat mungkin adalah kunci untuk melakukan penelitian yang baik.

Spesifikasi Keras :

Sederhana -- . Keras mengurangi beban kognitif pengembang untuk membebaskan Anda untuk fokus pada bagian masalah yang benar-benar penting.
Fleksibel -- Keras mengadopsi prinsip pengungkapan progresif kompleksitas: alur kerja sederhana harus cepat dan mudah, sementara alur kerja lanjutan yang sewenang-wenang harus dimungkinkan melalui jalur yang jelas yang dibangun berdasarkan apa yang telah Anda pelajari.
Kuat -- Keras memberikan kinerja dan skalabilitas kekuatan industri: digunakan oleh organisasi dan perusahaan termasuk NASA, YouTube, atau Waymo.

TensorFLow

TensorFlow adalah platform pembelajaran machine learning dengansumber terbuka yang menyeluruh. Dapat menganggapnya sebagai lapisan infrastruktur untuk pemrograman yang dapat dibedakan. Ini menggabungkan empat kemampuan utama:

- Menjalankan operasi tensor tingkat rendah secara efisien pada CPU, GPU, atau TPU.
- Menghitung gradien ekspresi terdiferensiasi arbitrer.
- Penskalaan komputasi ke banyak perangkat, seperti kluster ratusan GPU.
- Mengekspor program ("grafik") ke runtime eksternal seperti server, browser, perangkat seluler, dan perangkat yang disematkan.

Keras adalah API tingkat tinggi dari TensorFlow : antarmuka yang sangat produktif dan mudah didekati untuk memecahkan masalah pembelajaran mesin, dengan fokus pada pembelajaran mendalam modern. Ini memberikan abstraksi penting dan blok pembangun untuk mengembangkan dan mengirimkan solusi pembelajaran mesin dengan kecepatan iterasi yang tinggi.

Keras memberdayakan para insinyur dan peneliti untuk memanfaatkan sepenuhnya skalabilitas dan kemampuan lintas platform TensorFlow : Dapat menjalankan Keras di TPU atau pada kluster besar GPU, dan dapat mengekspor model Keras Anda untuk dijalankan di browser atau di ponsel perangkat.

Deep Learning

Deep Learning adalah salah satu cabang dari ilmu pemelajaran mesin (bahasa Inggris: machine learning) yang terdiri algoritme pemodelan abstraksi tingkat tinggi pada data menggunakan sekumpulan fungsi transformasi non-linear yang ditata berlapis-lapis dan mendalam. Teknik dan algoritme dalam pemelajaran dalam dapat digunakan baik untuk kebutuhan pemelajaran terarah (supervised learning), pemelajaran tak terarah (unsupervised learning) dan semi-terarah (semi-supervised learning) dalam berbagai aplikasi seperti pengenalan citra, pengenalan suara, klasifikasi teks, dan sebagainya. Model pada pembelajaran dalam pada dasarnya dibangun berdasarkan jaringan saraf tiruan, yang risetnya sudah berlangsung sejak era 80-an namun baru-baru ini kembali bangkit dengan adanya komputer yang semakin cepat apalagi ditambah dengan kemampuan kartu grafis modern yang mampu melakukan kalkulasi berbasis matriks secara simultan.

4. Percobaan

Dalam percobaan pendeteksi masker wajah, kita akan melakukan 2 proses utama yaitu :

- Mendeteksi masker wajah dalam gambar.

- Mendeteksi masker wajah dalam real time video.

Untuk Metoda yang akan digunakan sebagai berikut :

Dataset

Untuk dataset yang akan digunakan berupa kumpulan gambar seperti diatas yang menandapak wajah yang memakai masker dan tidak memakai masker.

Untuk dataset yang digunakan sendiri berjumlah 1376 gambar dengan format jpg dengan pembagian :

690 Gambar wajah yang memakai masker

686 Gambar wajah yang tidak menggunakan masker

Import library

Input nilai
Learning rate - epochs - batch size - directory dataset

Training data

data augmentation

file-tuning(MobileNetV2)

compile model and train network

evaluasi hasil model dari dataset test

training plot loss and accuracy

proses train

Running Mask Detector