AIRCRAFT RECOGNITION IN REMOTE SENSING IMAGES BASED ON ARTIFICIAL NEURAL NETWORKS

ABRAR, MUHAMMAD FAUZAN (2021) AIRCRAFT RECOGNITION IN REMOTE SENSING IMAGES BASED ON ARTIFICIAL NEURAL NETWORKS. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (COVER) 02 Cover - MUHAMMAD FAUZAN ABRAR.pdf Download (2MB) | Preview
Preview	Text (ABSTRAK) 03 Abstrak - MUHAMMAD FAUZAN ABRAR.pdf Download (19kB) | Preview
	Text (BAB I) 04 Bab 1 - MUHAMMAD FAUZAN ABRAR.pdf Restricted to Registered users only Download (89kB)
	Text (BAB II) 05 Bab 2 - MUHAMMAD FAUZAN ABRAR.pdf Restricted to Registered users only Download (231kB)
	Text (BAB III) 06 Bab 3 - MUHAMMAD FAUZAN ABRAR.pdf Restricted to Registered users only Download (140kB)
	Text (BAB IV) 07 Bab4 - MUHAMMAD FAUZAN ABRAR.pdf Restricted to Registered users only Download (502kB)
	Text (BAB V) 08 Bab 5 - MUHAMMAD FAUZAN ABRAR.pdf Restricted to Registered users only Download (88kB)
	Text (BAB VI) 09 Bab 6 - MUHAMMAD FAUZAN ABRAR.pdf Restricted to Registered users only Download (268kB)
	Text (DAFTAR PUSTAKA) 10 Daftar Pustaka - MUHAMMAD FAUZAN ABRAR.pdf Restricted to Registered users only Download (200kB)
	Text (LAMPIRAN) 11 Lampiran - MUHAMMAD FAUZAN ABRAR.pdf Restricted to Registered users only Download (673kB)

Abstract

Computer Vision (CV) adalah bidang Artificial Intelligence (AI) yang memungkinkan komputer dan sistem memperoleh data dari gambar, rekaman, dan sumber informasi visual lainnya. Image Recognition, subkategori Computer Vision, membahas banyak strategi untuk memahami dan memisahkan gambar untuk melakukan otomatisasi tugas tertentu. Ini cocok untuk mengamati tempat, orang, objek, dan berbagai jenis bagian di dalam gambar, dan mencapai deduksi dari mereka dengan menganalisisnya. Dengan utilitas semacam ini, tentu saja Computer Vision memiliki kasus penggunaannya di dunia militer. Computer Vision bisa sangat berguna untuk pekerjaan Intelligence, Surveillance and Reconnaissance (ISR). Makalah ini memberikan tentang bagaimana Computer Vision dapat digunakan dalam pekerjaan ISR. Makalah ini memanfaatkan Artificial Neural Network (ANN) seperti Convolutional Neural Network (CNN) dan Residual Neural Network (ResNet)untuk tujuan demonstrasi. Pada akhirnya, model ResNet berhasil mengungguli model CNN dengan akurasi validasi akhir 90,9% dibandingkan akurasi validasi 86% pada model CNN. Dengan ini, Computer Vision dapat membantu meningkatkan efisiensi operator manusia dalam pekerjaan terkait data gambar dan video. Kata kunci: Computer Vision, Convolutional Neural Network, Residual Neural Network, Artificial Neural Network

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41518010158
Uncontrolled Keywords:	Computer Vision, Convolutional Neural Network, Residual Neural Network, Artificial Neural Network
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem > 003.5 Computer Modeling and Simulation/Model dan Simulasi Komputer 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika > 004.1 General Works on Specific Types of Computers/Karya Umum tentang Tipe-tipe Khusus Komputer
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	CALVIN PRASETYO
Date Deposited:	01 Dec 2023 07:51
Last Modified:	01 Dec 2023 07:51
URI:	http://repository.mercubuana.ac.id/id/eprint/84499

Actions (login required)

View Item