OBJECT DETECTION MENGGUNAKAN MODEL COMMON OBJECTS IN CONTEXT - SINGLE SHOT MULTIBOX DETECTOR DI WEB BROWSER

Abstrak

Deteksi objek adalah salah satu bidang yang berkembang pesat dalam visi komputer yang bertujuan untuk mengidentifikasi dan mendeteksi instans dari objek semantik dari kelas tertentu seperti manusia, bangunan, atau mobil dalam gambar atau video digital. Dalam studi ini, kami mengimplementasikan model deteksi objek Common Objects in Context - Single Shot MultiBox Detector (COCO-SSD) di web browser menggunakan TensorFlow.js. Implementasi ini memungkinkan deteksi objek secara real-time dengan memanfaatkan webcam pengguna, sehingga membuka peluang untuk berbagai aplikasi interaktif yang berjalan langsung di peramban web tanpa memerlukan server backend yang kuat. Melalui penggunaan TensorFlow.js, kami dapat menjalankan model machine learning langsung di browser, sehingga mengurangi latensi dan meningkatkan efisiensi. Kami mengintegrasikan elemen video HTML5 untuk menangkap stream video dari webcam, yang kemudian dianalisis oleh model COCO-SSD untuk mendeteksi dan mengklasifikasikan objek secara simultan dalam setiap frame video. Hasil implementasi menunjukkan bahwa model COCO-SSD mampu mendeteksi objek dengan akurasi yang memadai dan latensi rendah, menjadikannya cocok untuk aplikasi real-time seperti pengawasan keamanan, monitoring kesehatan, pendidikan interaktif, dan manajemen inventaris. Selain itu, aplikasi ini memiliki potensi besar untuk digunakan dalam berbagai industri, termasuk ritel, transportasi, dan pertanian. Studi ini menyimpulkan bahwa integrasi model COCO-SSD dengan TensorFlow.js di web browser adalah solusi inovatif yang dapat membawa deteksi objek ke dalam berbagai konteks aplikasi praktis, memberikan pengalaman pengguna yang lebih kaya dan interaktif.

Identifier

• DOI: https://doi.org/10.70248/jrsit.v3i3.3517
• OpenAlex: https://openalex.org/W7130643194