<![CDATA[Model deteksi dan profiling wajah menjadi salah satu teknologi pen-dukung dalam penanganan kasus kejahatan yang terus meningkat. Per-forma model deteksi dan profiling (estimasi usia, dan klasifikasi jenis kelamin) yang menurun secara signifikan dalam kondisi low-light, menjadi tantangan yang serius. Untuk mengatasi tantangan tersebut, penelitian ini menerapkan metode image enhancement berbasis deep learning, yaitu KinD++, sebagai tahap preprocessing sebelum gambar dianalisis oleh model. Proses enhancement berpotensi meningkatkan kualitas visual, namun juga memungkinkan terjadinya perubahan struktur wajah yang penting bagi proses analisis. Penelitian ini men-gevaluasi pengaruh KinD++ terhadap performa ketiga model dalam kondisi low-light. Berdasarkan hasil penelitian, penerapan metode en-hancement KinD++ terbukti memberikan dampak positif terhadap se-luruh model yang diuji. Pada model deteksi wajah, nilai mAP@50-95 meningkat dari 0,24 menjadi 0,28. Pada model klasifikasi jenis ke-lamin, akurasi meningkat dari 0,80 menjadi 0,82. Sementara itu, MAE (Mean Average Error) model estimasi usia mengalami penurunan dari 15,2 menjadi 7,6. Hasil ini menunjukkan bahwa KinD++ membantu meningkatkan performa model yang menurun akibat kondisi low-light, walaupun perubahan visual yang ditimbulkan tetap berisiko meng-ganggu informasi penting pada wajah, sehingga hasilnya tidak sebaik performa model saat pencahayaan normal.]]>
Copyrights © 2025
