Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal EECCIS
Eka Maulana, Eka
Unknown Affiliation
Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Aplikasi Pedeteksi Objek Kendaraan Menggunakan Intel Movidius Neural Compute Stick Dengan Algoritma Mobilenet-YOLO Djuriatno, Waru; Eka Maulana, Eka; Brilianto, Candra
Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) Vol. 15 No. 3 (2021)
Publisher : Faculty of Engineering, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/jeeccis.v15i3.1549

Abstract

Pengembangan computer vision memberikan solusi dalam melakukan deteksi yang lebih beragam, salah satu contohnya adalah mendeteksi kendaraan. Algoritma tertentu dapat digunakan untuk mendeteksi kendaraan, algoritma YOLOv3 dapat berjalan cukup cepat dalam melakukan deteksi. Modifikasi dilakukan oleh Eric Liu dengan mengganti fitur ekstraktor DarkNet53 menjadi MobileNet pada algoritma YOLOv3 untuk mengurangi banyaknya proses komputasi, metode ini dapat mencapai waktu inferensi 4,79 ms dan presisi rata-rata (AP) 74,6% pada GPU GTX 1080. Prosesor neural merupakan prosesor yang didesain untuk melakukan operasi yang ada pada neural network. Prosesor neural dapat menjadi perangkat yang digunakan dalam implementasi algoritma ini. Penelitian ini dilakukan dengan tujuan membandingkan tingkat presisi (AP) dan kecepatan inferensi antara GTX 1080 dengan Myriad 2. Myriad 2 mampu melakukan inferensi dengan waktu 174,2 ms dan memiliki presisi rata-rata 71,74%. Myriad 2 mampu memberikan waktu inferensi yang lebih sedikit pada Raspberry Pi 3 B saat menjalankan algoritma MobileNet-YOLO.
Co-Authors Brilianto, Candra Waru Djuriatno