Pengenalan Ekspresi Wajah untuk Identifikasi Psikologis Pengguna dengan Neural Network dan Transformasi Ten Crops

Abstract

Pada penelitian ini, dirancang sebuah sistem pengenalan ekspresi wajah untuk identifikasi psikologis pengguna dari data mentah tersimpan dengan model neural network yang dirancang berdasarkan AlexNet dan VGG19 dengan 1 dropout layer tanpa ReLU layer pada classifier layer untuk mengurangi jumlah kebutuhan memori yang dipakai pada GPU dan waktu proses secara signifikan sehingga dapat digunakan pada perangkat berdaya komputasi terbatas. Dataset yang digunakan adalah CK+ dataset dan FER2013 dataset dengan transformasi ten crops. Didapatkan waktu proses yang lebih singkat secara signifikan dibandingkan AlexNet dan VGG19 dan tingkat akurasi sebesar 96.970% menggunakan CK+ dataset dan akurasi sebesar 69.128% dan 70.242% menggunakan public test dan private test FER2013 dataset secara berurutan.

In this research, a facial expression recognition system was designed for psychological identification of users from stored raw data with a neural network model designed based on AlexNet and VGG19 with 1 dropout layer and without a ReLU layer on the classifier layer to significantly reduce the amount of memory used on the GPU and processing time so it can be used on devices with limited computational power. The datasets used are CK+ dataset and FER2013 dataset with ten crops transformation. Obtained significantly shorter processing time than AlexNet and VGG19 and an accuracy rate of 96,970% using the CK + dataset and an accuracy of 69,128% and 70,242% using the public test and private test of FER2013 dataset, respectively.