Analisis Arsitektur Generative Adversarial Network (GAN) Untuk Peningkatan Resolusi Citra Wajah Manusia
| Format: | Bachelors |
|---|---|
| Terbitan: |
#CREATOR_ORGNAME#
, 2021
|
| Subjects: | |
| Online Access: |
http://digilib.polban.ac.id\/download.php?id=39901 |
Daftar Isi:
- Citra wajah sebagai salah satu citra yang paling banyak dimanfaatkan untuk pengenalan biometrik memiliki syarat minimum resolusi tertentu jika ingin digunakan pada Face Recognition. Citra wajah yang memiliki resolusi terlalu besar, pada umumnya tidak terdapat masalah untuk menurunkan resolusi citra, karena nilai pixel citra lengkap dan komputer hanya akan mengurangi sebagian nilai pixel. Namun, untuk meningkatkan resolusi citra, citra tidak memiliki informasi pixel yang cukup sehingga komputer perlu memprediksi nilai yang tidak ada tersebut. Generative Adversarial Network (GAN) merupakan salah satu metode machine learning yang dapat digunakan untuk meningkatkan resolusi. GAN disusun oleh dua buah arsitektur yaitu Generator dan Discriminator yang masing-masing tersusun atas berbagai macam komponen CNN. Susunan komponen yang digunakan ini akan mempengaruhi citra hasil peningkatan resolusi. Pada penelitian ini akan berfokus pada mengkaji pengaruh susunan Generator, banyak basic block, dan banyak filter pada GAN terhadap kualitas peningkatan resolusi citra wajah yang secara quantitative dihitung menggunakan metode PSNR dan SSIM. Susunan yang dipakai untuk membangun Generator menggunakan tiga konsep yang berbeda yaitu Incpetion, Resnet, dan Inception-Resnet. Hasil eksperimen menunjukan bahwa konfigurasi yang menghasilkan nilai PSNR yang paling baik yaitu yang menggunakan arsitektur Resnet dengan banyak filter 128 dan banyak basic block 8, sedangkan untuk yang menghasilkan nilai SSIM terbaik menggunakan Generator Inception dengan banyak filter 64 dan banyak basic block 4.