Realisasi prediksi jalur visual berdasarkan citra tunggal dengan spatial matching network

Jalur visual dapat didefenisikan sebagai cara manusia menafsir secara visual terhadap sebuah lintasan yang dapat dilalui. Prediksi jalur visual adalah suatu bidang riset kecerdasan buatan untuk memprediksi dan menafsirkan situasi dalam suatu scene yang meniru kemampuan berfikir manusia. Pada tahun 2016, sebuah jaringan syaraf tiruan berbasis Convolutional Neural Network (CNN) bernama Spatial Matching Network (SMN) dibangun untuk memprediksi jalur visual dari satu citra berdasarkan analisis spasial. Fungsi dari SMN adalah untuk mencari kesesuaian konteks spasial dari objek observasi dalam sebuah citra dengan lingkungannya. Dalam tulisan ini, prediksi jalur visual menggunakan SMN dikembangkan berdasarkan 4 jenis percobaan yang melibatkan orientasi dari objek dan perubahan jumlah node dari directed graph yang merepresentasikan hubungan pada tiap posisi pada citra. Kontribusi penelitian ini adalah kenaikan akurasi dari rata-rata hasil prediksi jalur visual menggunakan evaluasi metrik Modified Hausdorff Distance, dengan rincian kenaikan akurasi hasil 0,04% dari percobaan dengan penambahan jumlah node pada directed graph, kenaikan sebesar 14,9% dari percobaan dengan penambahan orientasi obyek, dan kenaikan akurasi hasil sebesar 20,5% pada percobaan dengan penambahan kedua parameter tersebut.