IKHAFIIKHAFI
JUKOMIKA (Jurnal Ilmu Komputer dan Informatika)JUKOMIKA (Jurnal Ilmu Komputer dan Informatika)Penelitian ini membahas perkembangan metode instance segmentation dalam domain Computer vision melalui pendekatan Tinjauan Literatur Sistematis. Masalah utama dalam penelitian ini adalah pesatnya pertumbuhan metode instance segmentation yang menyebabkan banyak variasi model, teknik, dan domain aplikasi, sehingga dibutuhkan analisis yang sistematis untuk memahami tren dan arah perkembangannya. Penelitian dilaksanakan dengan metode Preferred Reporting Items for Systematic Reviews and Meta-Analyses melalui proses identifikasi, pemilihan, dan analisis terhadap 30 artikel yang sepenuhnya terdaftar di SCOPUS dan diambil dari berbagai basis data akademis seperti ScienceDirect, SpringerLink, IEEE Xplore, arXiv, MDPI, Wiley Online Library, ACM Digital Library, dan Nature Scientific Reports. Penelitian mengungkapkan bahwa teknik berbasis deep learning seperti Convolutional Neural Network, YOLO, Transformer, model difusi, dan model bahasa-visual telah berkembang pesat dalam meningkatkan akurasi segmentasi, efisiensi komputasi, dan kemampuan generalisasi model. Selain itu, penggunaan data sintetik, pembelajaran multimodal, dan teknik open-vocabulary menjadi tren utama dalam perkembangan instance segmentation modern. Penelitian ini menyajikan penjelasan mendalam tentang evolusi teknologi, masalah penelitian, serta kesempatan untuk pengembangan metode instance segmentation di masa depan.
Metode instance segmentation berbasis deep learning telah berkembang pesat, dengan CNN dan Mask R‑CNN masih dominan serta arsitektur Transformer menunjukkan potensi besar dalam memahami konteks citra.Penelitian beralih dari peningkatan akurasi ke pengembangan model yang lebih efisien, ringan, real‑time, dan generalisasi baik untuk perangkat dengan keterbatasan komputasi serta berbagai lingkungan nyata.Disarankan penelitian selanjutnya fokus pada arsitektur hibrida CNN‑Transformer yang efisien, pendekatan weakly‑, semi‑, atau self‑supervised untuk mengurangi kebutuhan anotasi, serta integrasi vision‑language dan data sintetik guna meningkatkan kemampuan mengenali objek baru yang belum pernah dilatih sebelumnya.
Penelitian selanjutnya dapat mengeksplorasi strategi fusi optimal antara CNN dan Transformer untuk instance segmentation pada perangkat tepi dengan sumber daya komputasi terbatas, sehingga memungkinkan performa tinggi tanpa mengorbankan akurasi. Selain itu, penting untuk mengembangkan metode pembelajaran lemah‑supervisi dan self‑supervised yang memanfaatkan data sintetik guna mengurangi ketergantungan pada anotasi manual, khususnya pada domain yang data berlabelnya sulit diperoleh seperti medis dan pertanian presisi. Selanjutnya, penelitian perlu merancang model vision‑language yang mampu melakukan open‑vocabulary instance segmentation dengan adaptasi few‑shot terhadap kategori objek yang belum pernah dilatih, sambil mempertahankan kecepatan real‑time untuk aplikasi kritis seperti kendaraan otonom dan pemantauan video.
| File size | 1.14 MB |
| Pages | 14 |
| DMCA | Report |
Related /
UMSUMS Manajemen pertanian yang ekologi dan pembuatan kebijakan yang diinformasikan memerlukan peta tanaman pangan yang akurat dan dapat diandalkan. PemetaanManajemen pertanian yang ekologi dan pembuatan kebijakan yang diinformasikan memerlukan peta tanaman pangan yang akurat dan dapat diandalkan. Pemetaan
LAKASPIALAKASPIA Keterampilan menyimak (listening) dan berbicara (speaking) merupakan dua kemampuan berbahasa yang saling berkaitan dan memiliki peran penting dalam pembelajaranKeterampilan menyimak (listening) dan berbicara (speaking) merupakan dua kemampuan berbahasa yang saling berkaitan dan memiliki peran penting dalam pembelajaran
SERAMBISERAMBI Hasil penelitian mengungkapkan beberapa hambatan utama transformasi digital, termasuk anggaran terbatas, resistensi terhadap perubahan, keterampilan yangHasil penelitian mengungkapkan beberapa hambatan utama transformasi digital, termasuk anggaran terbatas, resistensi terhadap perubahan, keterampilan yang
HOSTJOURNALSHOSTJOURNALS Evaluasi model menggunakan 10-Fold Cross Validation menghasilkan akurasi rata-rata 91,47%, presisi 94,27%, recall 99,20%, dan F1-score 96,67%. FrekuensiEvaluasi model menggunakan 10-Fold Cross Validation menghasilkan akurasi rata-rata 91,47%, presisi 94,27%, recall 99,20%, dan F1-score 96,67%. Frekuensi
UNUSIAUNUSIA Kegiatan ini berhasil membantu mengurangi kesenjangan pengetahuan yang sebelumnya terjadi karena rendahnya literasi teknologi di kalangan guru BK. ParaKegiatan ini berhasil membantu mengurangi kesenjangan pengetahuan yang sebelumnya terjadi karena rendahnya literasi teknologi di kalangan guru BK. Para
STIT ALKIFAYAHRIAUSTIT ALKIFAYAHRIAU Penelitian ini bertujuan untuk menganalisis kompetensi pembelajaran anak usia dini melalui penerapan inovasi pedagogik berbasis deep learning dalam meningkatkanPenelitian ini bertujuan untuk menganalisis kompetensi pembelajaran anak usia dini melalui penerapan inovasi pedagogik berbasis deep learning dalam meningkatkan
LAKASPIALAKASPIA Kontribusi penelitian ini terletak pada penguatan konsep pembelajaran kitab kuning yang lebih adaptif terhadap kebutuhan santri dan perkembangan zaman.Kontribusi penelitian ini terletak pada penguatan konsep pembelajaran kitab kuning yang lebih adaptif terhadap kebutuhan santri dan perkembangan zaman.
UNAIRUNAIR Identifikasi spesies ikan laut secara akurat dapat menjadi tantangan karena kesamaan anatomi dan pola warna yang halus, yang sering kali menyebabkan kesalahanIdentifikasi spesies ikan laut secara akurat dapat menjadi tantangan karena kesamaan anatomi dan pola warna yang halus, yang sering kali menyebabkan kesalahan
Useful /
IKHAFIIKHAFI 000 request dan 100 concurrent connection, sehingga penelitian selanjutnya disarankan menggunakan variasi beban akses, perangkat benchmark yang berbeda,000 request dan 100 concurrent connection, sehingga penelitian selanjutnya disarankan menggunakan variasi beban akses, perangkat benchmark yang berbeda,
IKHAFIIKHAFI Data yang digunakan adalah data historis IHSG dari Yahoo Finance periode 2015–2025 sebanyak 2. 413 data harian. Model dibangun dengan teknik slidingData yang digunakan adalah data historis IHSG dari Yahoo Finance periode 2015–2025 sebanyak 2. 413 data harian. Model dibangun dengan teknik sliding
IKHAFIIKHAFI Hasil penelitian menunjukkan bahwa sistem mampu mengintegrasikan proses pengelolaan data nasabah, pengajuan pembiayaan, penjadwalan angsuran, transaksiHasil penelitian menunjukkan bahwa sistem mampu mengintegrasikan proses pengelolaan data nasabah, pengajuan pembiayaan, penjadwalan angsuran, transaksi
IKHAFIIKHAFI Kontribusi utama terletak pada aplikasi mandiri tanpa ketergantungan cloud serta integrasi mekanisme deteksi dini upwelling berbasis analisis multi‑parameter.Kontribusi utama terletak pada aplikasi mandiri tanpa ketergantungan cloud serta integrasi mekanisme deteksi dini upwelling berbasis analisis multi‑parameter.