SOAL

Tugas Personal 2

Sesi 4

Implementasikan model deep learning pertama untuk menyelesaikan kasus atau topik pada
bidang computer vision yang telah dipilih di tugas sebelumnya di TP1. Lakukan eksperimen
untuk mengevaluasi performa dari model pertama tersebut. Laporkan model deep learning
pertama yang diimplementasikan dan hasil eksperimennya.

Tugas dikumpulkan di akhir sesi ke-4

 JAWABAN
Dataset: Deteksi Objek Pada Gambar COCO

Sumber situs Kaggle https://www.kaggle.com/datasets/rajamannarak/object-detection-coco?

select=fruit_train untuk data train dan untuk data test dari situs
https://www.kaggle.com/datasets/rajamannarak/object-detection-coco?select=fruit_test.
Implementasi model deep learning dan hasil eksperimennya menggunakan dataset COCO untuk
deteksi objek pada gambar:

1. Preprocessing Data

Data train dan data test dijadikan sebagai PyTorch Dataset dan DataLoader, guna
memudahkan dilakukan adjust pixel atau resize gambar
2. Arsitektur Model
Model deep learning yang digunakan adalah Faster R-CNN dengan pre-trained backbone
ResNet-50 dan fully connected layer untuk klasifikasi objek

3. Training Model
kode untuk melatih model menggunakan data train selama 10 epoch dengan learning rate
0.001 dan momentum 0.9, serta menggunakan kombinasi loss function antara
classification loss dan bounding box regression loss. Impor optimizer dan library
tambahan lainnya:

Sehingga didapat training model:

4. Evaluasi Model

Hasil eksperimen menunjukkan bahwa model yang diimplementasikan berhasil

mendeteksi objek dengan baik pada gambar. Pada data test, model mampu mencapai AP
sebesar 0.811, 0.785, dan 0.759 untuk kelas apple, banana, dan orange, berturut-turut.
Model ini dapat ditingkatkan performanya dengan melakukan fine-tuning pada
hyperparameter dan menggunakan teknik augmentasi data yang lebih variatif.