Sistem Deteksi Marka Jalan Berbasis Convolutional Neural Network
DOI:
https://doi.org/10.59378/jcenim.v1i1.2Keywords:
marka jalan, convolutional neural network, tensor flow, yoloAbstract
Keselamatan dalam berkendara sangatlah penting. Akan tetapi pengendara kurang begitu peduli dengan jalanan, salah satunya marka jalan yang bisa mengakibatkan hal yang tidak diinginkan seperti kecelakaan hingga kemacetan lalu lin- tas. Dengan begitu perlunya pengingat agar pengemudi bisa mengambil tindakan pencegahan, seperti mendeteksi marka yang ada di jalan yang berguna untuk mengontrol dan mempertim- bangkan posisi kendaraan. Deteksi marka jalan yang menggu- nakan Convolutional Neural Network (CNN) sebagai pengindraan kondisi marka jalan sehingga dapat membaca objek badan marka jalan yang mendeteksi dan mengenali bentuk yang ditangkap menggunakan kamera, lalu citra tersebut diterima pada input, diproses, dan output, yang diolah dalam dua dimensi hingga menghasilkan proses yang diharapkan. Library yang digu- nakan pada bidang CNN ini menggunakan TensorFlow, dibantu dengan algoritma You Only Look Once (YOLO). TensorFlow dan YOLO digunakan untuk mengeksekusi perintah dan mengenali objek yang berbeda. Dengan begitu diharapkan kesalahan yang terjadi di lalu lintas semakin kecil.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 JCENIM
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with JCENIM agree to the following terms:
- Authors retain copyright and grant the journal the right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.