• Tidak ada hasil yang ditemukan

PENGENALAN EKSPRESI WAJAH PENGGUNA ELEARNING MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DENGAN FITUR EKSTRAKSI LOCAL BINARY PATTERN DAN GRAY LEVEL CO-OCCURRENCE MATRIX

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2018

Membagikan "PENGENALAN EKSPRESI WAJAH PENGGUNA ELEARNING MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DENGAN FITUR EKSTRAKSI LOCAL BINARY PATTERN DAN GRAY LEVEL CO-OCCURRENCE MATRIX"

Copied!
8
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 8 Halaman )

Teks penuh

Loading

Gambar

Gambar 1 eLearning Strategi [2]
Gambar 2 Arsitektur dari Penelitian May-Ping Loh, et all[4]
Gambar 5. Struktur Umum Backpropagation [14].
Gambar 6. Blok Diagram Model Yang diusulkan
+3

Referensi

Unduh sekarang ( PDF - 8 Halaman - 1.61 MB )

Dokumen terkait

PENGENALAN EKSPRESI WAJAH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ( CNN ) SKRIPSI JOCELINE S WIRTJES

Kesimpulan yang dapat diambil berdasarkan hasil pengujian sistem pengenalan ekspresi wajah menggunakan Convolutional Neural Network adalah sebagai berikut : Metode

PERANCANGAN SISTEM PENDETEKSI GENANGAN AIR POTENSI PERKEMBANGBIAKAN NYAMUK MELALUI FOTO CITRA UDARA DENGAN METODE GRAY LEVEL CO-OCCURRENCE MATRIX (GLCM) DESIGNING SYSTEMS FOR DETECTING PUDDLES THAT POTENTIALLY MOSQUITO BREEDING THROUGH AERIAL IMAGERY PHOT

Pada pengujian 5C4 dapat disimpulkan bahwa rata-rata akurasi tertinggi pengujian 4 parameter atau 5C4 adalah 78,75% pada kombinasi parameter A,B,C,D dengan rata-rata waktu

Perbandingan Ekstraksi Fitur Haar-like dan Local Binary Pattern untuk Deteksi Wajah

Dari penelitian yang telah dilakukan, Haar memiliki keunggulan pada hit rate atau dapat mendeteksi wajah lebih banyak, sedangkan LBP memilik i keunggulan dalam

Ekstraksi Fitur Wajah Menggunakan Metode Viola Jones dengan Tools Cascade Detector

Dari hasil implementasi ekstraksi fitur wajah menggunakan Cascade Detector, maka dapat disimpulkan bahwa hasil ektraksi fitur untuk deteksi Untuk wajah dan hidung menghasilkan akurasi

Image