<![CDATA[Akurasi tinggi dan performa merupakan hal yang penting dalam penerapan deep learning. Untukmendapatkan hal tersebut, memerlukan adanyahardware yang mumpuni dalam bidang deep learning. GPU merupakan hardware yang paling berpengaruhpada hasil akurasi deep learning. Namun, GPUmemerlukan biaya dan konsumsi daya yang tidak sedikituntuk menjalankan sebuah platform dengan performatinggi. Dalam penelitian ini ada tiga perangkat komputeryang diuji performanya melalui algoritma YOLOv7yaitu, Jetson Xavier NX, Jetson Nano, dan laptop Legiondengan GPU Nvidia Geforce GTX1650TI. Perangkatkomputer ini, sudah pernah digunakan dalam pengujianobject detection dibeberapa penelitian yang sudahdilakukan. Pengujian ini menggunakan dataset gambaryang sebelumnya berupa video lobster penangkaranAruna Indonesia di Pantai Amed, Bali. Hasilpendeteksian lobster dapat lebih maksimal lagi apabilavideo dataset yang tersedia tidak bergerak ataukameranya tetap di tempat. Sementara ini, YOLOv7merupakan pendeteksi objek yang paling unggul darisemua pendeteksi objek yang dikenal. Kualitas kecepatandan akurasi yang dimiliki YOLOv7 bisa mencapai 5 FPShingga 120 FPS dan memiliki akurasi tertinggi 56,8% APpada mAP.5-.95 diantara semua pendeteksi objek realtime yang ada dengan sekitar 30 FPS lebih tinggi padaGPU V100. Kata kunci— Akurasi tinggi, performa, FPS, AP, YOLOv7, GPU]]>
Copyrights © 2024
