TRAINING DATASET: TRAFFIC SIGN DETECTION MENGGUNAKAN YOLOV4 TINY DAN TENSORFLOW LITE

REZKY IVAN HERMAWAN, Prof. Ir. Selo, S.T., M.T., M.Sc., Ph.D., IPM

2021 | Skripsi | S1 TEKNOLOGI INFORMASI

Perkembangan teknologi di era digital dapat dimanfaatkan untuk banyak hal salah satunya dalam hal keselamatan berkendara. Salah satu faktor yang mendukung keselamatan berkendara di jalan raya adalah kepatuhan terhadap rambu lalu lintas. Luaran capstone project ini merupakan purwarupa aplikasi android pendeteksi rambu lalu lintas berbasis image processing. Paper ini akan berfokus pada penggunaan YoloV4 Tiny sebagai deteksi objek dalam berkendara. Aplikasi android pendeteksi rambu lalu lintas ini nantinya akan berjalan selama pengguna berkendara. Oleh karena itu, aplikasi ini diharapkan mampu mendeteksi objek bergerak dengan memperhatikan pengaruh kecepatan dan ambience/cuaca yang terjadi pada saat berkendara

Technological developments in the digital era can be used for many things, one of which is driving safety. One of the factors that support driving safety on the highway is compliance with traffic signs. This output capstone project is a prototype android application for detecting traffic signs based on image processing. This paper will focus on the use of YoloV4 Tiny as object detection in driving. This traffic sign detection android application will run as long as the user is driving. Therefore, this application is expected to be able to detect moving objects by paying attention to the influence of speed and atmosphere/atmosphere that occurs when driving.

Kata Kunci : YoloV4, Darknet, YoloV3, object detection, Tensorflow Lite