Hasil Pencarian  ::  Simpan CSV :: Kembali

"This book presents fascinating, state-of-the-art research findings in the field of signal and image processing. It includes conference papers covering a wide range of signal processing applications involving filtering, encoding, classification, segmentation, clustering, feature extraction, denoising, watermarking, object recognition, reconstruction and fractal analysis. It addresses various types of signals, such as image, video, speech, non-speech audio, handwritten text, geometric diagram, ECG and EMG signals; MRI, PET and CT scan images; THz signals; solar wind speed signals (SWS); and photoplethysmogram (PPG) signals, and demonstrates how new paradigms of intelligent computing, like quantum computing, can be applied to process and analyze signals precisely and effectively. The book also discusses applications of hybrid methods, algorithms and image filters, which are proving to be better than the individual techniques or algorithms."

"Penelitian ini memafaatkan kamera pengawas dengan pemodelan Deep Learning untuk memprediksi curah hujan. Model dibangun dengan input video serta data referensi curah hujan dari Tipping Bucket yang dipasang berdekatan dengan lokasi kamera pengawas. Penelitian ini memfokuskan prediksi curah hujan dengan input video sebagai representasi curah hujan dalam satuan waktu, serta metode Rain Streak yang muncul sebagai Rain Streak. Informasi spasial yang dimiliki setiap gambar yang ditangkap kamera pengawas ditangkap oleh arstitektur model vR-TCN dan digunakan fungsi Time Distributed agar informasi spasial yang ditangkap diterapkan terhadap deretan gambar.  Penelitian ini membuktikan input Rain Streak dengan metode grayscale memiliki hasil yang lebih baik, disertai dengan pemilihin Region of Interest yang didasari dengan latar paling hitam. Hasil prediksi model dengan konfigurasi besar Region of Interest 120x180 pada latar paling hitam, menggunakan metode Grayscale serta menggunakan jumlah 5 deretan gambar memiliki hasil terbaik dengan nilai RMSE sebesar 0,1391 dan R2 sebesar 0,8800.

---

This research utilizes surveillance cameras and Deep Learning modeling to predict rainfall. The model is built using video input and reference data from nearby Tipping Bucket rain gauges. This research focuses on predicting rainfall using video inputs as a representation of rainfall over a period of time, as well as the Rain Streak method that appears as Rain Streak. The spatial information captured by the surveillance camera in each image is captured by the vR-TCN model architecture, and the Time Distributed function is used to apply the captured spatial information to a sequence of images. This research proves that the Rain Streak method with grayscale produces better results, accompanied by the selection of a Region of Interest based on the darkest background. The predictive model yields the best results with a configuration of a large Region of Interest of 120x180 on the darkest background, using the Grayscale method and a sequence of 5 images, with an RMSE value of 0,1391 and an R2 value of 0,8800."

"Hingga saat ini, penderita kecacatan pendengaran masih memerlukan alat bantu untuk berkomunikasi, terutama untuk komunikasi lisan yang merupakan bagian penting dalam kehidupan sehari-hari. Skripsi ini membahas pengembangan sistem alat bantu pembacaan bibir (Lip Reading) dengan metode MDTW (Multidimension Dynamic Time Warping). Metode ini memanfaatkan aspek-aspek fisik bibir manusia untuk mendeteksi kata-kata yang diucapkan. Aspek-aspek yang digunakan adalah tinggi bibir, lebar bibir, rasio tinggi-lebar, dan area dari bibir. Dari video, sistem mendeteksi lokasi bibir dan menerjemahkan gerak bibir menjadi kata-kata yang dapat dimengerti pengguna. Video input akan divariasikan berdasarkan resolusi, frame rate, noise, dan jumlah database. Kata-kata yang diterjemahkan dibatasi untuk Bahasa Indonesia dan Bahasa Inggris. Hasil eksperimen menggunakan bahasa Indonesia sebanyak 308 sampel dan bahasa Inggris dengan 160 sampel, masing-masing menunjukkan akurasi tertinggi sebesar 72.5% untuk bahasa Inggris dan 63% untuk bahasa Indonesia. Tingkat akurasi pada resolusi 1280×720, 1024×768, 720×576, 720×480 masing-masing sebesar 72.5%, 70%, 68.75%, dan 62.5%. Tingkat akurasi pada frame rate 30fps, 25fps, dan 20fps masing-masing sebesar 72.5%, 70%, dan 68.75%. Tingkat akurasi menggunakan noise salt & pepper dengan kepadatan sebesar 0.01 hingga 0.1 menghasilkan akurasi antara 48.75 hingga 63.75%. Berdasarkan eksperimen ini, tingkat akurasi akan dipengaruhi resolusi, frame rate, noise, dan jumlah database.

---

Until now, persons with hearing disabilities need hearing aids for communication, especially in oral communication which is a very important part in daily life. This research report describes about development of lip reading system using MDTW (Multidimension Dynamic Time Warping). This methods implements physical aspects from human lips recorded to recognize the speaker‟s words. There are 4 physical aspects from lips that will be used, i.e. lip‟s heights, lip‟s width, lip‟s height-width ratio, and area. Video processing is performed to locate the lips and translate the lips motion into understandable words for user. In the Model, Indonesian and English simplewords istranslated. Words recognition accuracy is analyzed based on various input videos and other parameters. Experiments using Indonesian languange resulted on 63% accuracy and English languange resulted on 72.5% accuracy. This experiment used 4 type of resolutions, 1280×720, 1024×768, 720×576, and 720×480. Each resolution resulted on 72.5%, 70%, 68.75%, and 62.5% accuracy respectively. This experiment used 3 types of frame rates, 30fps, 25fps, and 20 fps. Each frame rate resulted on 72.5%, 70%, and 68.75% accuracy respectively. This experiment used salt and pepper noise, varied with density between 0.01 and 0.1. The accuracy with noise varied between 48.75 and 63.75%. Accuracy will be based on resolution, frame rate, noise, and databse size."