Optimasi Pengenalan Ekspresi Wajah Menggunakan Face Alignment, Image Cropping, dan Image Edge Detection

Abstract

Agrawal dan Mittal dalam penelitiannya berjudul “Using CNN for Facial Expression Recognition: A Study of The Effects of Kernel Size and Number of Filters On Accuracy” membuat 2 model Convolutional Neural Network terhadap dataset FER2013, namun hasil akurasi yang didapatkan kurang optimal yaitu sebesar 65%. Teknik preprocessing yang dilakukan Agrawal dan Mittal pada penelitiannya yaitu normalisasi, augmentasi, dan upscalling data. Teknik preprocessing yang dilakukan dirasa kurang karena citra pada dataset FER2013 sangat bervariasi, mulai dari posisi kepala yang beragam, latar belakang dan beberapa bagian wajah yang tidak berperan penting terhadap analisis ekspresi wajah, hingga kualitas citra yang tidak begitu bagus. Hal ini menyebabkan Model CNN tidak mempelajari citra dengan optimal saat proses training. Dengan melihat tipe data pada FER2013, perlu dilakukan tahap preprocessing yang lebih sesuai untuk menyiapkan citra sebelum memasuki model CNN. Face Alignment perlu dilakukan untuk menyelaraskan citra-citra miring pada dataset FER2013 sehingga saat rotasi pada tahap augmentasi, citra dapat dirotasikan secara konsisten dengan sudut yang telah diatur. Selain itu, citra dataset FER2013 juga mengandung latar belakang serta bagian-bagian wajah yang tidak berperan penting dalam analisis ekspresi wajah seperti telinga dan rambut, sehingga perlu dilakukan teknik image cropping untuk memfokuskan model mempelajari fitur-fitur wajah yang penting dalam analisis ekspresi wajah. Citra dataset FER2013 juga memiliki kualitas citra yang tidak begitu bagus, sehingga tepi citra menjadi samar dan tidak jelas. Ini mengakibatkan hasil sintesis akhir pada pengenalan ekspresi wajah tidak optimal. Dengan ini, perlu dilakukan teknik image edge detection untuk mempertegas tepi pada citra FER2013. Dilakukan re-implementasi dari Model 1 dan Model 2 Agrawal dan Mittal namun tidak menghasilkan akurasi yang sama. Akurasi yang didapatkan oleh Agrawal dan Mittal adalah 65% untuk kedua model, sedangkan hasil re- implementasi pada penelitian ini adalah 60.87% untuk Model 1 dan 62.65% untuk Model 2. Hal ini bisa disebabkan karena parameter data augmentasi yang digunakan tidak dibahas pada papper mereka. Oleh karena itu, Model 1 dengan akurasi 60.87% dan Model 2 dengan akurasi 62.65% yang akan digunakan untuk komparasi pengukuran naik dan turunnya akurasi setelah preprocessing. Saat teknik preprocessing yang diajukan diimplementasikan, akurasi terus naik saat tahap face alignment, image cropping, dan histogram equalization. akurasi tertinggi yang didapatkan adalah saat mencapai tahap preprocessing histogram equalization yaitu sebesar 65.39% untuk Model 1 dan 65.60% untuk Model 2. Namun, saat ditambahkan tahap image edge detection, akurasi yang didapatkan kurang optimal yaitu sebesar 61.65% untuk Model 1 dan 60.81% untuk Model 2. Hal ini dikarenakan saat tahap zscore normalization, citra yang dihasilkan cenderung terlalu gelap karena banyak sampel citra dataset FER2013 yang memiliki distribusi pencahayaan yang sangat rendah. Hasil dari zscore normalization yang gelap ini kemudian mempengaruhi hasil citra dari image edge detection karena kirsch edge operator yang digunakan untuk mendeteksi tepi citra kesulitan dalam mendeteksi tepi-tepi pada citra.