Deteksi Tanda Lalu Lintas Berukuran Kecil Menggunakan TSR-SA RFB-c

Sabrina Aisha Alyani, Dr. M. Idham Ananta Timur, S.T., M.Kom.

2026 | Skripsi | ELEKTRONIKA DAN INSTRUMENTASI

Deteksi rambu lalu lintas merupakan komponen penting dalam sistem bantuan pengemudi dan sistem mengemudi otonom karena rambu sering tampil berukuran kecil serta memiliki informasi visual yang terbatas. Penelitian ini mengembangkan sistem deteksi rambu lalu lintas berbasis deep learning menggunakan arsitektur Traffic Sign Recognition–Small Aware atau TSR-SA dan menganalisis pengaruh penambahan modul Receptive Field Block-Cross atau RFB-c terhadap kinerja deteksi. Dataset yang digunakan adalah TT100K dengan ruang lingkup 45 kelas. Seluruh citra dipraproses menjadi ukuran input 320 × 320 piksel dan dilatihkan pada dua varian model yaitu TSR-SA tanpa RFB-c dan TSR-SA dengan RFB-c dengan pengaturan training yang dibuat setara. Evaluasi kinerja dilakukan menggunakan mAP@0,50 sebagai indikator ketepatan serta Frames Per Second atau FPS sebagai indikator efisiensi pemrosesan. Hasil pengujian menunjukkan bahwa varian tanpa RFB-c memperoleh mAP@0,50 sebesar 54,28% dengan AVG_FPS 21,3 sedangkan varian dengan RFB-c memperoleh mAP@0,50 sebesar 61,60% dengan AVG_FPS 19,1. Dengan demikian penambahan RFB-c meningkatkan ketepatan deteksi pada resolusi 320 × 320 dengan konsekuensi penurunan kecepatan pemrosesan.

Traffic sign detection is an important part of driver assistance and autonomous driving systems because traffic signs often appear small and are easy to miss. This study builds a deep learning based detection system using the TSR-SA model and examines whether adding the RFB-c module can improve performance. The TT100K dataset is used with 45 selected classes. All images are resized to 320 × 320 and two model variants are trained with the same training settings, TSR-SA without RFB-c and TSR-SA with RFB-c. The system is evaluated using mAP at 0,50 to measure detection accuracy and FPS to describe processing speed. The results show that TSR-SA without RFB-c reaches an mAP at 0,50 of 54,28% with an AVG_FPS of 21,3, while TSR-SA with RFB-c reaches an mAP at 0,50 of 61,60% with an AVG_FPS of 19,1. Overall, adding RFB-c improves detection accuracy at the 320 × 320 input resolution, with a small decrease in processing speed.

Kata Kunci : Traffic Sign Recognition, TSR-SA, RFB-c, TT100K, mAP, FPS