Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : INTEKNA

PENGARUH EKSPRESI WAJAH TERHADAP KEBERHASILAN KLASIFIKASI GENDER BERBASIS PCA-LDA Setia Budi N, Agus
INTEKNA Vol 8, No 1 (2008)
Publisher : Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Disadari atau tidak, kemampuan visual manusia (human visual system) mampu mengidentifikasikanseseorang dengan mengenali wajah dan memutuskan gender seseoranghanya dari data wajah. Computer Vision System memegang peranan sangat pentingdalam Human Computer Interaction Technology (HCI) yang meliputi deteksi wajah,penjejakan wajah / badan, deteksi aksi (gesture), estimasi umur, etnik dan gender. Beberapapenelitian telah dilakukan untuk mencari metode terbaik dengan objek data wajahutuh dan tunggal untuk mencari metode diskriminasi yang terbaik sehingga dapatmembedakan apakah seseorang tersebut pria atau wanita.Banyak penelitian-penelitian telah dilakukan untuk mendeteksi gender pada wajah tunggaldengan berbagai metode, diantaranya adalah metode eigenface atau Principal ComponentAnalysis (PCA) dan metode Fisherface atau Linear Discriminant Analysis (LDA).Selain itu telah banyak pula penelitian tentang pendeteksian ekspresi wajah. Eigenfacedigunakan untuk mengekstraksi fitur, mereduksi dimensi, melakukan proyeksi ke dimensiyang lebih rendah dan metode Fisherface memperjauh jarak between matrik serta memperdekatjarak within matrik agar jarak antara kedua gender semakin jauh. Metode terakhiradalah klasifikasi dengan metode-metode linear classifier dengan jarak ketetanggaanterdekat, atau machine learning seperti RBF..Penelitian ini mencoba memberikan kontribusi tentang pengaruh ekspresi wajah terhadapkeberhasilan deteksi gender yang meliputi ekspresi normal, tersenyum dan sedih.
PENGARUH EKSPRESI WAJAH TERHADAP KEBERHASILAN KLASIFIKASI GENDER BERBASIS PCA-LDA Setia Budi N, Agus
INTEKNA informasi teknik dan niaga Vol 8 No 1 (2008)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Disadari atau tidak, kemampuan visual manusia (human visual system) mampu mengidentifikasikanseseorang dengan mengenali wajah dan memutuskan gender seseoranghanya dari data wajah. Computer Vision System memegang peranan sangat pentingdalam Human Computer Interaction Technology (HCI) yang meliputi deteksi wajah,penjejakan wajah / badan, deteksi aksi (gesture), estimasi umur, etnik dan gender. Beberapapenelitian telah dilakukan untuk mencari metode terbaik dengan objek data wajahutuh dan tunggal untuk mencari metode diskriminasi yang terbaik sehingga dapatmembedakan apakah seseorang tersebut pria atau wanita.Banyak penelitian-penelitian telah dilakukan untuk mendeteksi gender pada wajah tunggaldengan berbagai metode, diantaranya adalah metode eigenface atau Principal ComponentAnalysis (PCA) dan metode Fisherface atau Linear Discriminant Analysis (LDA).Selain itu telah banyak pula penelitian tentang pendeteksian ekspresi wajah. Eigenfacedigunakan untuk mengekstraksi fitur, mereduksi dimensi, melakukan proyeksi ke dimensiyang lebih rendah dan metode Fisherface memperjauh jarak between matrik serta memperdekatjarak within matrik agar jarak antara kedua gender semakin jauh. Metode terakhiradalah klasifikasi dengan metode-metode linear classifier dengan jarak ketetanggaanterdekat, atau machine learning seperti RBF..Penelitian ini mencoba memberikan kontribusi tentang pengaruh ekspresi wajah terhadapkeberhasilan deteksi gender yang meliputi ekspresi normal, tersenyum dan sedih.
PENGARUH EKSPRESI WAJAH TERHADAP KEBERHASILAN KLASIFIKASI GENDER BERBASIS PCA-LDA Agus Setia Budi N
INTEKNA informasi teknik dan niaga Vol 8 No 1 (2008)
Publisher : P3M Politeknik Negeri Banjarmasin

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Disadari atau tidak, kemampuan visual manusia (human visual system) mampu mengidentifikasikanseseorang dengan mengenali wajah dan memutuskan gender seseoranghanya dari data wajah. Computer Vision System memegang peranan sangat pentingdalam Human Computer Interaction Technology (HCI) yang meliputi deteksi wajah,penjejakan wajah / badan, deteksi aksi (gesture), estimasi umur, etnik dan gender. Beberapapenelitian telah dilakukan untuk mencari metode terbaik dengan objek data wajahutuh dan tunggal untuk mencari metode diskriminasi yang terbaik sehingga dapatmembedakan apakah seseorang tersebut pria atau wanita.Banyak penelitian-penelitian telah dilakukan untuk mendeteksi gender pada wajah tunggaldengan berbagai metode, diantaranya adalah metode eigenface atau Principal ComponentAnalysis (PCA) dan metode Fisherface atau Linear Discriminant Analysis (LDA).Selain itu telah banyak pula penelitian tentang pendeteksian ekspresi wajah. Eigenfacedigunakan untuk mengekstraksi fitur, mereduksi dimensi, melakukan proyeksi ke dimensiyang lebih rendah dan metode Fisherface memperjauh jarak between matrik serta memperdekatjarak within matrik agar jarak antara kedua gender semakin jauh. Metode terakhiradalah klasifikasi dengan metode-metode linear classifier dengan jarak ketetanggaanterdekat, atau machine learning seperti RBF..Penelitian ini mencoba memberikan kontribusi tentang pengaruh ekspresi wajah terhadapkeberhasilan deteksi gender yang meliputi ekspresi normal, tersenyum dan sedih.