Deteksi objek merupakan salah satu tugas penting dalam pengolahan citra dan pengenalan pola. Algoritma deteksi objek yang efisien dan akurat sangat diinginkan untuk berbagai aplikasi seperti keamanan, pengawasan lalu lintas, pengenalan wajah dan lain sebagainya. Salah satu algoritma yang telah terbukti berhasil dalam deteksi objek real-time adalah Algoritma You Only Look Once (YOLO).
Dalam artikel ini, kita akan belajar lebih dalam tentang algoritma ini, prinsip kerjanya, implementasinya, serta aplikasi yang relevan. Yuk simak!
Apa itu Algoritma YOLO (You Only Look Once)?
Algoritma You Only Look Once (YOLO) adalah sebuah algoritma deteksi objek yang dikembangkan oleh Joseph Redmon, Santosh Divvala, Ross Girshick dan Ali Farhadi pada tahun 2016. Algoritma ini memiliki pendekatan yang berbeda dengan metode deteksi objek lainnya karena melakukan deteksi dan klasifikasi objek secara simultan dalam satu langkah.
Arsitektur Algoritma YOLO (You Only Look Once)
1. Struktur Input
Algoritma You Only Look Once mengambil gambar input dengan ukuran tetap dan membaginya menjadi grid sel. Setiap sel bertanggung jawab untuk memprediksi kotak pembatas objek dan kelas objek di dalamnya.
2. Struktur Konvolusi
Algoritma You Only Look Once menggunakan lapisan konvolusi untuk mengekstrak fitur dari gambar input. Konvolusi ini membantu algoritma dalam memahami konteks dan membedakan objek berdasarkan fitur-fitur visual yang terdapat pada gambar.
3. Struktur Deteksi
Setelah proses konvolusi, algoritma You Only Look Once melakukan prediksi kotak pembatas objek dan kelas objek. Untuk setiap sel dalam grid, algoritma menghasilkan beberapa kotak pembatas dengan tingkat kepercayaan yang sesuai.
4. Struktur Output
Hasil akhir dari algoritma You Only Look Once adalah daftar kotak pembatas objek beserta label kelas dan tingkat kepercayaannya. Dengan menggunakan teknik non-maximum suppression, kotak-kotak yang tumpang tindih dihilangkan sehingga diperoleh deteksi objek yang akurat.
Cara Kerja Algoritma YOLO
1. Preprocessing
Sebelum memasukkan gambar ke dalam algoritma You Only Look Once , langkah pertama yang dilakukan adalah preprocessing. Pada tahap ini, gambar akan diubah ukurannya menjadi ukuran yang disesuaikan dengan input yang diterima oleh algoritma. Selain itu, gambar juga akan dinormalisasi untuk memastikan bahwa nilai piksel berada dalam rentang yang diharapkan.
2. Pembagian Gambar menjadi Grid
Setelah tahap preprocessing selesai, gambar akan dibagi menjadi grid dengan ukuran tertentu. Setiap grid akan bertanggung jawab untuk mendeteksi objek yang berada di dalamnya. Selain itu, setiap grid juga akan menghasilkan beberapa bounding box yang memperkirakan posisi dan ukuran objek yang ada di dalamnya.
3. Prediksi dan NMS
Pada tahap ini, algoritma YOLO akan memprediksi kemungkinan adanya objek dalam setiap bounding box yang dihasilkan oleh grid. Untuk mengurangi kemungkinan adanya bounding box yang tumpang tindih dan mendapatkan hasil deteksi yang lebih akurat, dilakukan Non-Maximum Suppression (NMS) yang menghilangkan bounding box dengan overlap yang tinggi.
Kelebihan dan Kekurangan Algoritma YOLO
Kelebihan
- Kecepatan: Algoritma You Only Look Once dikenal karena kecepatannya yang tinggi dalam melakukan deteksi objek. Algoritma ini mampu menghasilkan prediksi objek secara real-time.
- Konsistensi: Algoritma You Only Look Once menghasilkan bounding box yang konsisten untuk objek yang sama dalam berbagai skala dan posisi.
- Deteksi objek multi-kelas: Algoritma You Only Look Once dapat mengenali dan mengklasifikasikan berbagai jenis objek dalam satu gambar.
Kekurangan
- Ketepatan lokalisasi: Algoritma You Only Look Once cenderung memiliki ketepatan lokalisasi yang lebih rendah dibandingkan dengan metode deteksi objek lainnya. Bounding box yang dihasilkan oleh algoritma You Only Look Once mungkin tidak presisi untuk objek yang memiliki ukuran dan bentuk yang kompleks.
- Skala kecil: Algoritma You Only Look Once biasanya bekerja lebih baik dalam mendeteksi objek pada skala kecil seperti manusia, kendaraan dan hewan kecil. Untuk objek yang lebih besar seperti bangunan, algoritma ini mungkin kurang efektif.
Aplikasi Algoritma YOLO
1. Keamanan dan Pengawasan
Algoritma You Only Look Once banyak digunakan dalam sistem keamanan dan pengawasan. Dengan kemampuannya mendeteksi objek dalam waktu nyata, algoritma ini dapat membantu mengenali kejadian yang mencurigakan, seperti pergerakan yang tidak biasa atau penyerobotan wilayah terlarang.
2. Kendaraan Otonom
Dalam pengembangan kendaraan otonom, algoritma You Only Look Once digunakan untuk mendeteksi objek di sekitar kendaraan, seperti kendaraan lain, pejalan kaki dan rambu lalu lintas. Informasi ini penting untuk membuat keputusan yang tepat dalam mengemudi secara otomatis.
3. Deteksi Objek dalam Video
Algoritma You Only Look Once juga sangat efektif dalam mendeteksi objek dalam video. Dengan kemampuannya menghasilkan deteksi objek secara cepat, algoritma ini dapat digunakan dalam berbagai aplikasi video, seperti pengenalan wajah, deteksi gerakan dan analisis video.
4. Kemampuan Deteksi Multiobjek
Algoritma You Only Look Once memiliki kemampuan untuk mendeteksi beberapa objek dalam satu gambar secara simultan. Hal ini memungkinkan algoritma ini untuk digunakan dalam skenario yang memerlukan deteksi multiobjek secara real-time, seperti pengawasan keamanan atau kendaraan otonom.
Kesimpulan
Pada pembahasan kita di atas dapat disimpulkan bahwa Algoritma You Only Look Once (YOLO) adalah pendekatan deteksi objek yang cepat dan akurat. Dengan arsitektur yang efisien dan kemampuan mendeteksi multiobjek, YOLO telah berhasil diterapkan dalam berbagai bidang, termasuk keamanan, otomasi industri, pengenalan wajah dan kendaraan otonom.
Meskipun memiliki beberapa tantangan, algoritma YOLO terus dikembangkan untuk mengatasi kekurangan tersebut. Dalam masa depan, algoritma ini berpotensi untuk semakin canggih dan beradaptasi dengan perkembangan teknologi.
Artikel ini merupakan bagian dari seri artikel belajar Kecerdasan Buatan dan jika ada ide topik yang mau kita bahas silahkan komen di bawah ya.
