PENERAPAN CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DETEKSI DAN ESTIMASI JARAK KENDARAAN

Abstrak

Deteksi dan estimasi jarak kendaraan adalah dua tugas yang perlu dilakukan oleh kendaraan otonom.
Perkembangan pembelajaran mendalam (deep learning), khususnya CNN, memungkinkan pemrosesan citra untuk
berbagai tugas. Pada makalah ini, dibahas penggunaan CNN untuk deteksi dan estimasi jarak kendaraan dengan
model Dist-YOLO. Model dibangun dengan backbone Xception dan head YOLOv3 yang dimodifikasi serta dilatih
menggunakan dataset KITTI. Berdasarkan percobaan yang dilakukan, model sudah dapat mendeteksi dan
mengestimasi jarak kendaraan dengan cukup baik. Peningkatan lebih lanjut yang dapat dilakukan adalah optimasi
model, sehingga dapat melakukan inferensi secara real-time.