Peningkatan Performa Pengenalan Wajah pada Gambar Low-Resolution Menggunakan Metode Super-Resolution

Peningkatan Performa Pengenalan Wajah pada Gambar Low-Resolution Menggunakan Metode Super-Resolution

Kartu Tanda Penduduk Elektronik (KTP-el) merupakan identitas wajib bagi penduduk Indonesia. Penyimpanan pada cip KTP-el yang mana selain digunakan untuk menyimpan gambar potret wajah individu, juga harus dapat menyimpan identitas lain seperti biodata, tanda tangan, dan sidik jari kiri dan kanan. Ke...

Full description

Saved in:
Bibliographic Details
Main Authors: Muhammad Imaduddin Abdur Rohim, Auliati Nisa, Muhammad Nurkhoiri Hindratno, Radhiyatul Fajri, Gembong Satrio Wibowanto, Nova Hadi Lestriandoko, Pesigrihastamadya Normakristagaluh
Format: Article
Language:Indonesian
Published: University of Brawijaya 2024-02-01
Series:Jurnal Teknologi Informasi dan Ilmu Komputer
Subjects:
downsampling
low-resolution
super-resolution
pengenalan wajah
gambar potret wajah
Online Access:https://jtiik.ub.ac.id/index.php/jtiik/article/view/7947
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Kartu Tanda Penduduk Elektronik (KTP-el) merupakan identitas wajib bagi penduduk Indonesia. Penyimpanan pada cip KTP-el yang mana selain digunakan untuk menyimpan gambar potret wajah individu, juga harus dapat menyimpan identitas lain seperti biodata, tanda tangan, dan sidik jari kiri dan kanan. Keterbatasan tersebut mengharuskan gambar potret wajah disimpan pada ukuran low-resolution (LR) sehingga sistem pengenalan wajah tidak optimal. Dalam penelitian ini, kami menggunakan Poznan University of Technology (PUT) Face database yang terdiri atas 200 gambar dari 100 individu. Data tersebut dilakukan proses down sampling menggunakan bicubic interpolation untuk menghasilkan data LR. Kami menginvestigasi penggunaan metode super-resolution (SR) berbasis deep learning, termasuk DFDNet, LapSRN, GFPGAN, Real-ESRGAN, Real-ESRGAN+GFPGAN, dan FaceSPARNet. Hal ini bertujuan untuk meningkatkan kualitas gambar LR. Evaluasi performa dilakukan dengan menggunakan matriks False Rejection Rate(FRR) pada beberapa tingkatan False Acceptance Rate (FAR). Hasil penelitian menunjukkan bahwa beberapa metode SR terutama FaceSPARNet menunjukkan peningkatan performa face recognition hingga 2%. Sedangkan, metode SR yang berbasis GAN (GFPGAN, Real-ESRGAN, Real-ESRGAN+GFPGAN) cenderung meningkatkan false reject rate. Penelitian ini menunjukkan bahwa metode SR dari kategori General Basic CNN-based FSR dapat digunakan untuk meningkatkan kinerja face recognition pada gambar LR, seperti pada KTP-el.
ISSN:2355-7699
2528-6579

Similar Items