Writings

    Thoughts

      Pengenalan Plat Nomor Kendaraan Niaga menggunakan Deep Learning dengan Arsitektur LPRNet dan Spatial Transformer Network

      Oct 07, 20243 min read

      Note ini akan menjelaskan apa saja yang harus ditulis dalam karya ilmiah.

      Checklists

      • Pendahuluan
        • Latar Belakang
        • Rumusan Masalah
        • Tujuan dan Manfaat
        • Ruang Lingkup
        • Sistemaatika Penulisan
      • Tinjauan Pustaka
        • State of The Art
        • Citra Digital
        • Augmentasi Data
        • Convolutional Neural Network
          • Convolution Layer
          • Pooling Layer
          • Batch Normalization
          • Spatial Transformer Network
          • Arsitektur LPRNet
        • Connectionist Temporal Classification
        • Adam Optmizer
        • Bayesian Optimization
        • Metode Evaluasi (?)
      • Metodologi Penelitian
        • Garis Besar Metodologi Penelitan
        • Pengumpulan dan Pelabelan Data
        • Lingkungan Pelatihan
        • Pelatihan Model
          • Arsitektur Model
          • Augmentasi Data
          • Iterasi Latih (?)
          • Pemilihan Hyperparameter
          • Metode Evaluasi
      • Hasil dan Pembahasan
        • Pemilihan Model
        • Penilaian Model
          • Evaluasi
          • Hasil
          • Analisis Kegagalan (?)
      • Penutup
        • Kesimpulan
        • Saran

      Pendahuluan

      • Membahas:
        1. Latar Belakang
        2. Rumusan Masalah
        3. Tujuan dan Manfaat
        4. Ruang Lingkup
        5. Sistematika Penulisan

      Latar Belakang

      • Menjelaskan, “kenapa?”
      • Pemilihan objek berupa license plate recognition untuk kendaraan niaga:
        • Apa bedanya dengan jenis kendaraan lain?
        • Apa impact ketika berhasil untuk kendaraan niaga?
      • Bagaimana perkembangan LPR pada umumnya?
      • Apa kelemahan dari metode sebelumnya sampai akhirnya memilih metode yang sekarang dikerjakan?
      • Cari tau juga apakah “LPR” itu hanya rekognisi saja, atau juga termasuk deteksi/lokalisasi/segmentasi
      • Latar belakang bisa ditulis mirip berstruktur piramida terbalik, di mana:
        • Hal yang umum dibahas dulu
        • Hal yang lebih spesifik bisa dijelaskan kemudian
      • Tidak ada aturan baku dalam citing a paper harus kurang dari 5 tahun.
      • Tidak perlu cite apapun yang merupakan pengetahuan umum. Contoh: “Nasi merupakan makanan pokok di Indonesia.”

      Bisa menggunakan piramida terbalik:

      • Kendaraan di Indonesia
      • Aktivitas kendaraan di Indonesia
      • License plat recognition
      • Kegunaan LPR pada identifikasi kendaraan, pelacakan, analisis aktivitas, pengawasan dan keamanan.

      Tinjauan Pustaka

      • Menyajikan teori-teori yang berhubungan dengan topik yang dibahas pada penelitian ini.
      • Tidak perlu menuliskan hal-hal yang paling mendasar. Cukup menuliskan teori yang relevan.
      • Membahas:
        1. State of the Art
        2. Citra Digital
        3. Augmentasi Data
        4. LPRNet
        5. Spatial Transformer Network
        6. Connectionist Temporal Classification
        7. Adam Optimizer
          • Rumus-rumus
        8. Bayesian Optimization
          • Rumus-rumus
          • Visualisasi
        9. Letter Number Recognition Rate (Metode Evaluasi)
          • Rumus

      State of the Art

      • Penelitian sebelumnya yang relevan
      • Sebaiknya penelitian yang paling baru

      LPRNet

      1. Convolutional Neural Network
        • Pengantar yang membahas Deep Learning dan Artificial Neural Network
      2. Convolutional Layer
        • Masukkan diagram proses konvolusi
      3. Pooling Layer
        • Diagram 4x4 input, 2x2 kernel, 1 stride, 0 padding
      4. Batch Normalization
        • Rumus-rumus
      5. Spatial Transformer Network
        • Awalnya sub bab. Sekarang dimasukkan ke LPRNet
        • Ilustrasi, pake mnist aja, diambil dari original paper atau tutorial PyTorch

      Adam Optimizer

      • Rumus-rumus

      Bayesian Optimization

      • Rumus-rumus
      • Visualisasi mencapai minima (mungkin)

      Metodologi Penelitian

      • Gambar tahapan garis besar proses-prosesnya seperti apa?
      • Arsitektur model, ada gambar tahapan besarnya
        • Modulenya boleh, tidak harus per layer
        • Dari tiap module-nya, boleh dibuat graf baru yang menjelaskan module tersebut berisi apa aja.

      Hasil dan Pembahasan

      • Membahas:
        1. Model Selection (Pemilihan Model)
        2. Model Assesment (Penilaian Model)

      Pemilihan Model

      • Membahas Bayesian Optimization:
      • Semua model yang dilatih dengan hyperparameter yang sudah ditentukan pada Metode Penelitian. Bisa dilihat di wandb
      • Model dengan parameter apa yang akurasinya paling tinggi

      Penilaian Model

      • Dilatih kembali dengan gabungan subset train dan validation
      • Diuji dengan data test.
      • Boleh membahas overfitting, namun tekankan bahwa model kurang kompleks untuk mengenali karakter dengan kondisi kotor. Ini bisa ada di sub bab Analisis Kegagalan, namun judul sub bab bisa diganti.

      Penutup

      Membahas:

      1. Kesimpulan
      2. Saran

      Saran

      • Cukup saran dari hipotesis, tidak perlu dibuktikan. Contoh:
        • Nomor plat beragam, seperti beda daerah
        • Tambah module atau layer yang memungkinkan menaikkan akurasi untuk membaca teks yang sulit, seperti kotor maupun occluded

      Backlinks