Perbandingan Algoritma YOLOv4 dan Scaled YOLOv4 untuk Deteksi Objek pada Citra Termal

ABSTRAKMinimnya visibilitas pejalan kaki dan pengendara pada malam hari karena kurangnya pencahayaan lampu jalan menyebabkan kecelakaan rentan terjadi rentang waktu tersebut. Sistem penglihatan komputer berbeda dengan manusia, semua objek suhu di atas nol dapat memancarkan radiasi inframerah jika direkam menggunakan kamera termal. Dalam penelitian ini penulis mengidentifikasi citra termal dalam bentuk RGB algoritma YOLOv4 Scaled sebagai deteksi objek. Performa sistem diukur berdasarkan nilai presisi, recall, f1-score, mAP. Eksperimen dilakukan dataset manusia. Skenario yang digunakan adalah mendeteksi jarak 5m, 10m, 15m, 20m. Hasil didapatkan CSP lebih unggul pengujian precision 94,3%, recall 83,8%, f1-Score 88,7%, mAP 86,9%. tersebut dipengaruhi oleh ukuran jumlah dari training, validation, uji.Kata kunci: Citra Termal, YOLO, YOLOv4, Scaled-YOLOv4, Deteksi ObjekABSTRACTThe lack of visibility pedestrians and drivers at night due to lighting in street lights makes accidents prone occur during this time. The computer vision system is different from the humans, any object with a temperature above zero can emit infrared radiation when using thermal camera. In study, authors identify images as detection algorithms. System performance measured based on value precision, Experiments were carried out image human objects. scenario used was detect objects distance results show that algorithms best, test 94.3% 83.8% 88.7% f1-Score, 86.9% These are influenced by size number datasets training images, validation images.Keywords: Thermal Image, Object Detection