Pakar Taiwan Paparkan Teknologi Deep Learning Penghilang Bayangan untuk Tingkatkan Akurasi Biometrik pada ICAISD UBSI
BSINews, Jakarta — Tantangan pencahayaan dan bayangan yang kerap mengganggu kualitas citra digital dalam sistem kecerdasan buatan (AI) kini menemukan solusi baru melalui pemanfaatan teknologi deep learning. Inovasi tersebut dipaparkan oleh Prof. Dr. Shi-Jinn Horng dari Asia University, Taiwan, dalam sesi pemaparan pada ICAISD 2025 yang diselenggarakan oleh Universitas Bina Sarana Informatika (UBSI), pada Selasa (4/11).
Tingkatkan Akurasi Biometrik pada ICAISD UBSI
Dalam sesi berjudul “Deep Learning Approach for Shadow Removal and Its Applications in Palm Vein Recognition”, Shi-Jinn Horng mengungkapkan bahwa bayangan keras (hard shadow) merupakan salah satu penyebab terbesar penurunan akurasi pada beragam sistem biometrik, termasuk pengenalan wajah dan telapak tangan. Menurutnya, kualitas citra berperan penting dalam menentukan kinerja model AI.
“Bayangan menciptakan kontras ekstrem yang sulit diproses model AI. Jika kualitas citra buruk, sistem akan gagal mengenali objek, termasuk wajah, kendaraan, atau biometrik telapak tangan,” ujarnya, dari keterangan rilis yang diterima pada Jumat (14/10).
Untuk menjawab tantangan tersebut, ia memaparkan pendekatan baru berbasis semantic segmentation, attention mechanism, serta arsitektur U-Net dan Swin Transformer. Melalui kombinasi teknologi ini, area bayangan dapat dipisahkan dan diperbaiki dengan lebih presisi. Proses restorasi tidak hanya menghapus bayangan, tetapi juga menghasilkan transisi pencahayaan yang lebih halus dan realistis.
Teknologi ini telah diuji pada sistem pengenalan telapak tangan, salah satu metode biometrik yang saat ini semakin berkembang. Shi-Jinn Horng menunjukkan bahwa teknik penghilangan bayangan mampu meningkatkan akurasi pengenalan secara signifikan.
“Semakin besar area bayangan pada telapak tangan, semakin buruk tingkat pengenalannya. Dengan shadow removal, akurasinya meningkat tajam,” jelasnya.
Ia juga menekankan pentingnya pengembangan dataset sintetis untuk meningkatkan ketahanan model terhadap kondisi dunia nyata. Dataset tersebut mencakup citra wajah bermasker serta telapak tangan dengan bayangan artifisial, yang dirancang agar model dapat beradaptasi dengan beragam variasi pencahayaan dan objek.
Pemaparannya pada ICAISD yang digelar UBSI sebagai Kampus Digital Kreatif memberikan wawasan baru bagi pengembangan teknologi biometrik yang lebih akurat, adaptif, dan andal dalam berbagai kondisi pencahayaan. (Alisa)
