Mendeteksi Kendaraan menggunakan Algoritma YoloV5

Abstract

Dengan kemajuan dalam bidang teknologi yang berkembang begitu pesat dimasa kini, seperti contoh dalam bidang Object detection atau Pendeteksi Objek. Seiring dengan berkembangnya ilmu teknologi saat ini, kebutuhan akan sistem Object detection juga akan semakin dibutuhkan. Terdapat 4 fokus utama dalam Computer vision yaitu Pengenalan (Recognition), Pelacakan Visual (Visual Tracking), Segmentasi Semantik (Semantic Segmentation), dan Restorasi Citra (Image Restoration). Supaya dapat melakukan keempat hal tersebut dibutuhkan suatu Algoritma yang secara khusus dapat mendeteksi kendaraan, maka dipilihlah Algoritma Yolov5. Yolov5 merupakan salah satu dari beberapa Algoritma dalam bidang pendeteksian yang sering digunakan. YoloV5 (You Only Look Once Version 5) adalah salah satu model deteksi objek berbasis deep learning yang dikembangkan untuk mendeteksi objek dalam gambar dan video secara real-time. Hasil akhir dari penelitian ini adalah meneliti kekurangan yang mungkin terjadi dari Algoritma YoloV5 saat ada dalam beberapa kondisi yang kurang menguntungkan. Penelitian ini berfokus pada Akurasi, Presisi, dan Recall. Nilai akurasi pada penelitian ini mendapatkan angka 0,51 atau 51%, untuk nilai presisi mendapatkan angka 0,505050505 atau 50,505050505%, sedangkan nilai recal mendapatkan angka 1 atau 1%.