KOMPARASI KINERJA RESNET-50 DAN RESNET-101 PADA DETECTION TRANSFORMERS (DETR) UNTUK DETEKSI ADEGAN BERDARAH DALAM VIDEO

Konten video yang aman dan nyaman untuk semua penonton sangat penting,
terutama untuk melindungi kelompok yang sensitif terhadap adegan berdarah. Paparan
terhadap konten tersebut, terutama pada anak-anak atau individu dengan sensitivitas
tinggi, dapat menimbulkan dampak psikologis negatif seperti kecemasan dan trauma.
Selain itu, regulasi di Indonesia melalui UU Perfilman Nomor 33 Tahun 2009 melarang
penayangan adegan kekerasan yang eksplisit, termasuk adegan berdarah. Oleh karena
itu, penelitian ini bertujuan untuk mengembangkan model Detection Transformer
(DETR) dengan backbone ResNet-50 dan ResNet-101 untuk mendeteksi adegan
berdarah secara otomatis dalam video. Setelah deteksi dilakukan, area yang
mengandung darah diubah menjadi hitam putih menggunakan OpenCV sebagai metode
sensor. Hasil penelitian menunjukkan bahwa model DETR dengan backbone ResNet-50
unggul pada dataset yang lebih kecil, mencapai AP 0.307 pada dataset berukuran 2350
data, sementara ResNet-101 hanya mencapai AP 0.287. Namun, pada dataset yang lebih
besar (3350 data), ResNet-101 menunjukkan peningkatan performa yang signifikan
dengan AP 0.385, lebih tinggi dibandingkan ResNet-50 yang mencapai AP 0.377.
Transformasi visual hitam putih terbukti efektif dalam menyamarkan adegan berdarah,
memberikan solusi yang aman bagi penonton yang sensitif terhadap konten tersebut.
Kata kunci: Detection Transformer (DETR), ResNet-50, ResNet-101, Deteksi Objek,
OpenCV