Realtime Facial Expression Recognition Using Transfer Learning On FaceNet

Abstract

Ekspresi tubuh manusia merupakan bentuk respon alami yang menggambarkan suatu keadaan dan perasaan terhadap situasi tertentu. Pengenalan ekspresi wajah dapat dimanfaatkan dalam berbagai bidang. Seperti mengenali statistik perilaku konsumen bagi industri retail, dan menilai kepuasaan individu pada suatu layanan. Namun, dalam mendeteksi ekspresi wajah terdapat sejumlah tantangan yang perlu diperhatikan salah satunya adalah diperlukan data yang cukup banyak agar komputer dapat mengenali gambar tersebut. Untuk mendapatkan data gambar yang banyak dibutuhkan waktu yang lama dalam mengumpulkan gambar menyesuaikan  dengan kebutuhan. Tujuan dari penelitian ini adalah komputer mampu mendeteksi ekspresi wajah secara realtime tanpa perlu melibatkan data yang banyak. Oleh karena itu peneliti menggunakan metode transfer learning yang merupakan pemanfaatan model yang sudah dilatih oleh orang lain, yang selanjutnya digunakan dalam mendeteksi ekspresi wajah. Adapun arsitektur yang digunakan adalah FaceNet. FaceNet merupakan salah satu arsitektur deep learning yang digunakan untuk pengenalan, identifikasi, dan klasifikasi wajah yang selanjutnya akan dimodifikasi dengan menambahkan layer baru sehingga dapat mendeteksi ekspresi wajah. Hasil dari penelitian ini adalah akurasi data uji sebesar 93% dengan dataset sebanyak 150 gambar, terdiri dari 50 gambar marah, 50 gambar senang, dan 50 gambar netral.