Penggunaan masker secara massal dilakukan untuk mencegah penyebaran virus covid 19 yang sedang dihadapi oleh penduduk dunia saat ini, tidak hanya praktisi kesehatan, peneliti pada bidang teknologi juga ikut serta memberikan kontribusi dalam membendung penyebaran virus covid 19 melalui banyak inovasi dan penelitian. Pada penelitian kali ini penulis menggunakan framework face mask detection yang tidak hanya berhenti pada deteksi wajah yang bermasker atau tidak namun mendeteksiseberapa baik masker digunakan. Pada penelitian kali ini kondisi tersebut diklasifikasikan menjadi 3 kelas yaitu normal face, correct mask face dan incorrect mask face. Dari hal yang dijelaskan terdapat sebuah tantangan yang mana variasi penampilan dari antara kelas tidak terdapat perbedaan yang signifikan dan sebaliknya. Untuk menghadapi permasalahan tersebut penulis menggunakan framework Multi context R-CNN yang merupakan bentuk pengembangan dari RCNN (Regional Convolutional Neural Network) . dengan berbasis struktur Faster R-CNN yang bertujuan memperbesar jarak antar kelas dan memperkecil jarak data – data pada pada satu kelas dengan melakukan ekstraksi fitur pembeda. Langkah pertama yang dilakukan penulis adalah melakukan ekstraksi feature maps dari Backbone Network VGG Net pada input citra, yang dilanjutkan dengan melakukan MCFE (Multi Context Feature Extraction) yang dapat menghasilkan feature maps baru untuk kandidat proposal hasil dari Regional Proposal Module, diakhiri dengan melakukan klasifikasi dan regresi pada percabangan fully connected layer yang masing – masing cabang memiliki output yang berbeda, satu cabang untuk klasifikasi dan yang lainnya melakukan regresi untuk mencari lokasi dari objek. Dari dilakukannya penelitian ini Multi Context R-CNN mampu memberikan nilai mAP (mean Average Precision) dari ketiga kelas sebesar 0.75 lebih besar 0.02 dari Faster R-CNN.


Deskripsi Lain

Mass use of masks is carried out to prevent the spread of the covid 19 viruses currently being faced by the world's population. Health practitioners and researchers in the field of technology also contribute to stemming the spread of the covid 19 viruses through many innovations and research. In this study, the author uses a face mask detection framework that does not only stop at detecting faces with masks or not but detects how well masks are used. In this study, these conditions were classified into three classes: regular face, correct mask face, and incorrect mask face. From what has been explained, there is a challenge where there is no significant difference in appearance between classes and vice versa. The author uses the Multi context R-CNN framework to deal with these problems, which is a form of development from R-CNN (Regional Convolutional Neural Network)—based on the Faster R-CNN structure, which aims to increase the distance between classes and reduce the distance between data in one class by extracting distinguishing features. The first step taken by the author is to extract feature maps from the VGG Net Backbone Network on the input image, followed by MCFE (Multi Context Feature Extraction), which can generate new feature maps for candidate proposals from the Regional Proposal Module, ending with classification and regression on fully connected layer branches where each branch has a different output, one branch for classification and the other performs regression to find the location of the object. From this research, Multi Context R-CNN is able to give the mAP (mean Average Precision) value of the three classes of 0.75, which is 0.02 greater than Faster RCNN

• RANCANG BANGUN SMART DOOR LOCK PINTU LABORATORIUM MENGGUNAKAN VIOLA JONES
• INSTALASI JARINGAN INTERNET DAN JARINGAN LOCAL AREA NETWORK(LAN) UNTUK LAYANAN VIDEO CONFERENCE DENGAN STANDAR WIFI DI MASA PANDEMI COVID-19
• Pengaruh Pandemi Covid – 19 Terhadap Abnormal Return pada Saham LQ45, SET50, dan VN30
• ANALISIS SELF REGULATION SISWA PADA PEMBELAJARAN MASA PANDEMI
• KEBIJAKAN PEMERINTAH INDONESIA DALAM MENANGANI PADEMI COVID 19 DITINJAU DARI PERSPEKTIF HUKUM TATA NEGARA DARURAT