ABSTRAK
ABSTRAK
Nama : Muhammad Arif Nasution
Program Studi : Magister Ilmu Komputer
Judul : Faster R-CNN dengan Structured Sparsity Learning dan
Ristretto Untuk Perangkat Bergerak
Deep learning adalah salah satu area pembelajaran mesin yang sedang berkembang
pesat dan memiliki kemampuan untuk melakukan pemodelan data kompleks dari
dunia nyata. Metode deep learning telah terbukti memberikan hasil yang baik
pada beberapa kasus seperti pengenalan wajah, aksi, gestur maupun integrasi
dengan metode lain contohnya simulated annealing atau algoritma metaheuristik.
Sayangnya, meskipun penelitian terkait deep learning tersebut telah terbukti
memberikan hasil yang baik pada banyak kasus, salah satu kekurangan metode
ini adalah dibutuhkannya sumber daya yang besar untuk proses komputasi sehingga
sulit diimplementasikan pada lingkungan dengan sumber daya terbatas
seperti perangkat bergerak. Pada tesis ini, dilakukan implementasi Faster R-CNN
dengan menggabungkan metode Structured Sparsity Learning untuk regularisasi
menggunakan group lasso pada layer konvolusi dan framework Ristretto untuk
kuantisasi jaringan pada layer fully connected. Penggabungan kedua metode ini
diharapkan dapat memperkecil sumber daya yang dibutuhkan oleh Faster R-CNN
sehingga dapat diterapkan pada perangkat bergerak. Penelitian ini membuktikan
bahwa penggabungan kedua model dapat mempercepat proses komputasi dan tidak
memberikan pengaruh besar pada nilai akurasi pengenalan objek.
Kata Kunci:
Deep Learning, Convolution Neural Network, Fast R-CNN, Faster R-CNN, SSL,
Ristretto
|