DETEKSI GERAK PADA VIDEO GERAK LANSIA BERBASIS YOLO-V5 DAN YOLO-V7

Ajib Susanto, Ibnu Utomo Wahyu Mulyono, Sudaryanto Sudaryanto

Abstract


Penelitian ini melakukan pembandingan antara metode deteksi gerak YOLO-v5 dan YOLO-v7 dengan tujuan memahami keunggulan dan keterbatasan masing-masing metode dalam konteks deteksi objek dinamis. Hasil eksperimen menunjukkan bahwa YOLO-v5 memiliki kecepatan respons yang tinggi, sementara YOLO-v7 menonjol dalam ketelitian dan kemampuan adaptasi terhadap variasi objek dan situasi. Penelitian ini memberikan pemahaman yang mendalam tentang karakteristik deteksi gerak yang dihadirkan oleh kedua metode, serta merumuskan saran untuk pengembangan metode deteksi gerak yang memanfaatkan keunggulan dari kedua pendekatan ini. Dengan ini, penelitian ini memberikan kontribusi dalam mengarahkan pemilihan metode deteksi gerak yang paling sesuai dengan kebutuhan aplikasi spesifik dan merangsang eksplorasi lebih lanjut dalam pengembangan solusi deteksi objek yang efisien dan akurat.


Full Text:

PDF

References


Diwan, T., Anirudh, G., & Tembhurne, J. V. (2023). Object detection using YOLO: challenges, architectural successors, datasets and applications. Multimedia Tools and Applications, 82(6), 9243–9275. https://doi.org/10.1007/s11042-022-13644-y

Hoang Nguyen, H., Truong Bui, V., Nhung Ta, T., Manh Pham, H., Cuong Nguyen, N., & Minh Nguyen, D. (n.d.). YOLO Based Real-Time Human Detection for Smart Video Surveillance at the Edge.

Ivasic-Kos, M., Kristo, M., & Pobar, M. (2020). Person detection in thermal videos using YOLO. Advances in Intelligent Systems and Computing, 1038, 254–267. https://doi.org/10.1007/978-3-030-29513-4_18

Jaouedi, N., Perales, F. J., Buades, J. M., Boujnah, N., & Bouhlel, M. S. (2020). Prediction of human activities based on a new structure of skeleton features and deep learning model. Sensors (Switzerland), 20(17), 1–15. https://doi.org/10.3390/s20174944

Miladinov, G. (2020). Socioeconomic development and life expectancy relationship: evidence from the EU accession candidate countries. Genus, 76(1). https://doi.org/10.1186/s41118-019-0071-0

Muneer, S., Raza, H., Abbas, N., Amir, S., Arshad, K., Rizwan, M., Siddiqui, U., & Lahore, W. P. (n.d.). An IoMT enabled smart healthcare model to monitor elderly people using Explainable Artificial Intelligence (EAI).

Nurdiana, D., Rustiawan, H., & Nursasih, I. D. (n.d.). Hubungan Persentase Lemak Tubuh pada Obesitas Sedang Terhadap Tingkat Kebugaran Jasmani Pada Siswa SMK N 4 Banjar. In Oktober (Vol. 8, Issue 2). https://jurnal.unigal.ac.id/index.php/JKP

Rahati, A., & Rahbar, K. (2022). Sports movements modification based on 2D joint position using YOLO to 3D skeletal model adaptation. Technology Journal of Artificial Intelligence and Data Mining, 10(4), 549–557. https://doi.org/10.22044/jadm.2022.11975.2344

Zhang, J., Liu, S., Yuan, H., Yong, R., Duan, S., Li, Y., Spencer, J., Lim, E. G., Yu, L., & Song, P. (2023). Deep Learning for Microfluidic-Assisted Caenorhabditis elegans Multi-Parameter Identification Using YOLOv7. Micromachines, 14(7), 1339. https://doi.org/10.3390/mi14071339




DOI: https://doi.org/10.30998/semnasristek.v8i01.7142

Refbacks

  • There are currently no refbacks.


SEMNAS RISTEK  indexed by: