AGE ESTIMATION UNTUK INTELLIGENT ADVERTISING PADA POSTER DIGITAL MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Galih Abdul Muhyi, - (2020) AGE ESTIMATION UNTUK INTELLIGENT ADVERTISING PADA POSTER DIGITAL MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK. S1 thesis, Universitas Pendidikan Indonesia.

Baca Full Text klik disini
[img] Text
S_KOM_1505735_Title.pdf
Download (580kB)
[img] Text
S_KOM_1505735_Chapter1.pdf
Download (63kB)
[img] Text
S_KOM_1505735_Chapter2.pdf
Restricted to Staf Perpustakaan
Download (2MB)
[img] Text
S_KOM_1505735_Chapter3.pdf
Download (569kB)
[img] Text
S_KOM_1505735_Chapter4.pdf
Restricted to Staf Perpustakaan
Download (3MB)
[img] Text
S_KOM_1505735_Chapter5.pdf
Download (45kB)
[img] Text
S_KOM_1505735_Appendix.pdf
Restricted to Staf Perpustakaan
Download (3MB)
Official URL: http://repository.upi.edu

Abstract

Sebagai bagian dari intelligent advertising, age estimation digunakan untuk menyesuaikan iklan dari hasil estimasi usia audience. Age estimation (AE) dapat dibangun menggunakan deep learning menggunakan ConvNet dengan kendala seperti data training wajah usia tua yang sedikit, ketidak seimbangan dataset di dalamnya, serta membutuhkan jumlah data yang besar. Salah satu solusi dari permasalahan ini adalah melakukan data augmentasi menggunakan model generatif ACGAN untuk melakukan generate gambar sesuai dengan kelas. Intelligent advertising pada poster digital hanya disimulasikan pada komputer. Simulasi intelligent advertising berfungsi dengan baik terlepas dari terbatasnya iklan dan tidak konsistennya hasil estimasi usia. Hasil dari penggunaan model generatifACGAN untuk data augmentation berhasil meningkatkan performa hasil pada model AE terlepas dari rendahnya skor IS dan FID serta kualitas gambar yang dihasilkan. Hasil data augmentation lebih terlihat pada model B dengan peningkatan akurasi cumulative score sebesar 4,8% dan skor MAE sebesar 1,297.

Item Type: Thesis (S1)
Additional Information: No Panggil : S KOM GAL a-2020; NIM : 1505735
Uncontrolled Keywords: Intelligent Advertising, Age Estimation, ACGAN, Convolutional Neural Network
Subjects: L Education > L Education (General)
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User: Galih Abdul Muhyi
Date Deposited: 17 Sep 2020 07:22
Last Modified: 17 Sep 2020 07:22
URI: http://repository.upi.edu/id/eprint/52274

Actions (login required)

View Item View Item