Membuat Sistem Face Detection Pada Suatu Perangkat Berbasis YOLO

Pelatihan Model Sistem Face Detection

Jika telah mendapatkan dataset dari aplikasi Roboflow, kita dapat melakukan pelatihan model untuk sistem face detection dengan menggunakan bahasa pemrograman seperti Python. Untuk penulisan script bahasa pemrograman, dapat digunakan aplikasi Visual Studio Code yang memiliki user interface (UI) yang nyaman dilihat sehingga mudah digunakan oleh pemula dalam dunia pemrograman.

Pada aplikasi Python, kita gunakan dataset yang telah dihasilkan dari aplikasi sebelumnya untuk dilakukan pelatihan dengan supervisi. Dataset tersebut dilakukan pelatihan layaknya iterasi yang disebut dengan istilah epoch. Epoch berbeda dengan iterasi, pada epoch terdapat suatu iterasi yang disertai dengan perambatan arah balik. Epoch digunakan pada pelatihan machine learning untuk pembelajaran bagi perangkat. Besarnya epoch disesuaikan dengan kebutuhan sampai menghasilkan kesalahan atau error yang dapat diterima. Jika suatu error dianggap sudah dapat diterima, pelatihan tersebut dapat dihentikan. Penentuan berapa besar epoch untuk suatu pelatihan dari suatu perangkat memerlukan pengalaman. Pada pelatihan dengan supervisi program ini kita dapat menggunakan epoch 1000 kali.

Aplikasi Model Sistem Face Detection

Jika model dari pelatihan telah terbentuk, kita dapat melakukan proses inference atau mengaplikasikan model yang telah terbentuk dari pelatihan untuk memprediksi suatu video atau foto yang terdapat wajah orang yang berada di sekitar kita. Untuk memanggil model yang telah dibentuk tersebut dapat menggunakan Python kembali. Penggunaan aplikasi model tersebut dapat dilakukan menggunakan perangkat video cctv di ruangan, web camera ataupun handphone.

Aplikasi model yang telah terbentuk dapat mendeteksi wajah orang di sekitar kita disertai kotak dan nama pemilik wajah tersebut. Jika database lengkap, setiap wajah orang yang ada di foto atau video dapat dideteksi dengan benar dengan tingkat akurasi yang cukup tinggi. Disinilah peran database yang cukup banyak tersebut diperlukan. Semakin banyak foto dan pose dari setiap wajah, maka deteksi dan tingkat akurasi wajah setiap orang akan semakin tinggi, bahkan jika wajah tersebut ditutupi oleh masker.

Sistem Face Detection Membantu Tugas Manusia

Face Detection menunjukkan kepada dunia bahwa teknologi Artificial Intelligence sudah semakin maju dan berkembang saat ini. Perangkat yang telah dilatih dapat menggantikan tugas deteksi wajah manusia, bahkan terkadang dapat mendeteksi lebih akurat dibandingkan manusia. Akan tetapi perlu disadari bahwa sistem ini dapat mengalami kesalahan dalam mendeteksi wajah seseorang, sehingga diperlukan kehatian-hatian dan supervisi jika sistem ini digunakan untuk akses masuk suatu perangkat atau ruangan tertentu yang memerlukan tingkat keamanan yang tinggi.

Perlu disadari bahwa secanggih apapun Artificial Intelligence dalam berpikir dan berperilaku seperti manusia, terdapat keterbatasan dan tidak dapat seluruhnya menggantikan peran manusia dalam menjalani kehidupan. Hal-hal seperti spiritual, kepemimpinan, empati, etika, kreativitas maupun keterampilan yang dimiliki oleh manusia tidak dapat sepenuhnya dilakukan oleh teknologi Artificial Intelligence. Peran manusia sebagai makhluk yang beragama dan makhluk sosial tentu tidak tergantikan bahkan oleh teknologi secanggih apapun. Oleh karena itu, teknologi Artificial Intelligence ini hanya sebagai alat bantu dalam kehidupan manusia. Kolaborasi antara manusia dengan Artificial Intelligence dapat memudahkan untuk mencapai hasil maupun kinerja yang terbaik dalam berbagai hal, termasuk dalam lingkungan pendidikan maupun dunia usaha/kerja.