Segmentasi Pemain Bola Dengan Arsitektur U-Net

Abstract

Segmentasi merupakan teknik pada pengolahan citra digital yang memfokuskan pada pembagian objek ke dalam beberapa bagian dan pemisahan antara region (objek) dengan latar belakang. Dalam konteks ini, Ada tiga jenis karakteristik gambar yang signifikan, yaitu titik, garis, dan tepi. Segmentasi citra sendiri dapat dikelompokkan menjadi tiga kategori utama, yaitu identifikasi objek, identifikasi semantik, dan identifikasi instan.. Pada penelitian ini, fokusnya adalah pada segmentasi pemain bola menggunakan pendekatan deep learning, khususnya dengan metode Convolutional Neural Network (CNN) dan arsitektur U-Net. CNN merupakan salah satu metode neural network pada deep learning dan machine learning yang baik dalam hal akurasi pada pengenalan citra, sedangkan U-Net biasa Digunakan pada segmentasi citra yang berjenis semantik. Segmentasi semantik, adalah citra yang dibagi menjadi kategori objek dan bukan objek. Proses segmentasi pemain bola melibatkan tahap encoder dan decoder citra sebelum dimanfaatkan dalam proses pelatihan model, tahap pengujian melibatkan penerapan model CNN-U-Net untuk melakukan klasifikasi citra, menghasilkan. yang terdiri dari 11 kelas yaitu Bilah Gawang, Wasit, Iklan, Lapangan, Bola, Pelatih & Ofisial, Penonton, Kiper A, Kiper B, Tim A, dan Tim B Output tersebut akan dievaluasi dengan menghitung akurasi untuk memastikan performa model.