Pengenalan Rambu Lalu Lintas Dengan Menggunakan Metode Deep Learning Berbasis Detektor
Lalu lintas merupakan elemen kunci dalam sistem transportasi. Namun di sisi lain, peningkatan kecelakaan di jalan raya semakin meningkat yang dapat disebabkan oleh kurangnya pengetahuan masyarakat tentang berlalu lintas. Solusi utama untuk mengatasi permasalahan tersebut adalah dengan meningkatkan pengetahuan tentang lalu lintas. Penerapan kecerdasan buatan khususnya metode pendeteksian objek dengan penggunaan metode deep learning berbasis detektor merupakan salah satu metode yang terbukti efisien dalam mendeteksi objek secara real-time.
Pada penelitian ini dilakukan pengenalan objek menggunakan SSD (Single Shot MultiBox Detector) dimana model tersebut dilatih dan diuji performanya dalam mendeteksi rambu lalu lintas di Indonesia. Dari hasil penelitian diperoleh nilai mAP 50 dan mAP 50-95 masing-masing sebesar 89,66% dan 65,49%.
Traffic is a key element in the transportation system. But on the other hand, the increase in road accidents is increasing, which can be caused by people's lack of knowledge about traffic. The main solution to overcome this problem is to increase knowledge about traffic. The application of artificial intelligence, especially object detection methods with the use of detector-based deep learning methods, is one method that has proven efficient in detecting objects in real-time.
In this research, object recognition is performed using SSD (Single Shot MultiBox Detector) where the model is trained and tested for its performance in detecting traffic signs in Indonesia. From the research results, the mAP 50 and mAP 50-95 values are 89.66% and 65.49%, respectively.