RANCANG BANGUN SLIDER OTOMATIS UNTUK KAMERA DAN SMARTPHONE MENGGUNAKAN METODE FACE TRACKING
Notice bibliographique
Résumé
Pembelajaran jarak jauh (PJJ) yang dilaksanakan secara online membutuhkan alat atau perangkat sebagai penunjang interaksi antara tenaga pendidik dengan anak didik atau sebaliknya. Salah satu PJJ yang saat ini dapat dilaksanakan melalui media online yaitu Ujian Praktek dan Sidang Tugas Akhir. Terkadang saat dilakukannya perekaman, ada kecenderungan pembicara tidak bisa diam saat perekaman, atau bergeser dari posisi semula. Oleh karena itu untuk memudahkan proses perekaman vidio dapat menggunakan alat bantu yang disebut slider dengan prinsip kerja yaitu menggerakan kamera atau smartphone dengan bergerak mengikuti pergerakan wajah secara otomatis. Dengan menggunakan kinerja face tracking dan mengaplikasikan webcam yang digunakan sebagai sensor kamera, kemudian citra wajah akan dideteksi dan diproses menggunakan modul library OpenCV dengan menggunakan bahasa pemrograman python dan mikrokomputer Raspberry Pi 4B yang digunakan sebagai sistem operasi pada alat dengan menggunakan LCD TFT 3,5 inch sebagai media kontrol. Hasil Tugas Akhir ini menyimpulkan bahwa faktor intensitas cahaya, jarak, dan kualitas sensor kamera sangat berpengaruh pada saat proses pendeteksian dan pengenalan wajah. Jarak ideal slider agar proses pendeteksian, pengenalan, dan penyelerasan dapat berjalan maksimal yaitu 40 – 100 cm. Penggunaan material pada mekanik slider juga sangat berpengaruh pada pergerakan slider. Semakin kuat material yang digunakan maka pergerakan slider akan semakin kokoh dan stabil. Dengan adanya delay 3 detik per 10 cm gerakan maka slider dapat bekerja menyelaraskan gerak kamera dengan gerak wajah dengan rata – rata keberhasilan penyelarasan sebesar 41,69 %.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,020 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».