Comparison of FA-SSD: Performance of Feature Extractors VGG-19, MobileNetV3, and ResNet-152 for Human Body Temperature Prediction
DOI:
https://doi.org/10.25077/TEKNOSI.v12i2.2026.300-311Kata Kunci:
FA-SSD, VGG-19, MobileNetV3, ResNet-152, Body Temperature PredictionAbstrak
Body temperature is a critical health indicator, and non-contact thermal imaging-based prediction systems are essential for early detection of infectious diseases. This study compares the performance of three FA-SSD (Feature Fusion and Spatial Attention-Based Single Shot Detector) models with different feature extractors—VGG-19, MobileNetV3, and ResNet-152—for face detection and body temperature prediction using thermal images. A subset of 520 thermal facial images from the Comprehensive Facial Thermal Dataset was used, with 80% for training, 10% for validation, and 10% for testing. Model performance was evaluated using Generalized Intersection over Union (GIoU) for detection accuracy, and Mean Absolute Error (MAE) with Mean Absolute Percentage Error (MAPE) for temperature prediction accuracy. The results showed that no single model excelled in all metrics. ResNet-152 achieved the highest average GIoU, indicating superior object detection performance. VGG-19 delivered the lowest average MAE of 0.451°C and MAPE of 1.278%, making it the best for temperature prediction. MobileNetV3 achieved the lowest minimum MAE of 0.000050°C but showed higher average errors and validation fluctuations. In conclusion, VGG-19 is recommended for clinical temperature accuracy, ResNet-152 for robust detection, and MobileNetV3 for edge deployment.Referensi
N. I. D. Zaman, Y. W. Hau, M. C. Leong, et al., "A review on the significance of body temperature interpretation for early infectious disease diagnosis," Artificial Intelligence Review, vol. 56, pp. 15449–15494, 2023, doi: 10.1007/s10462-023-10528-x..
S. Mirjalali, S. Peng, Z. Fang, C.-H. Wang, S. Wu, "Wearable sensors for remote health monitoring: Potential applications for early diagnosis of Covid-19," Advanced Materials Technologies, vol. 7, no. 1, p. 2100545, 2022, doi: 10.1002/admt.202100545.
X. Rong, L. Yang, H. Chu, M. Fan, “Effect of delay in diagnosis on transmission of COVID-19,” Mathematical Biosciences and Engineering, vol. 17, no. 3, pp. 2725–2740, 2020, doi: 10.3934/mbe.2020149.
L. Evangelisti, E. De Cristo, S. Monteleone, C. Guattari, P. Gori, I. Pini, T. de Rubeis, D. Ambrosini, "A New Customized Measurement System for a Non-Contact, Enhanced Thermometric Method," Energies, vol. 18, p. 1537, 2025, doi: 10.3390/en18061537.
K. C. Lee, Y. P. Lin, Y. L. Tzeng, et al., "The impact of age on comparative diagnostic accuracy of temporal artery thermometers and non-contact infrared thermometers for fever detection: a systematic review and meta-analysis," BMC Infectious Diseases, vol. 25, p. 31, 2025, doi: 10.1186/s12879-024-10332-0.
R. Hirani, et al., "Artificial Intelligence and Healthcare: A Journey through History, Present Innovations, and Future Possibilities," Life, vol. 14, no. 557, pp. 1–25, 2024, doi:10.3390/life14050557.
A. Al Kuwaiti, et al., "A Review of the Role of Artificial Intelligence in Healthcare," Journal of Personalized Medicine, vol. 13, p. 951, 2023, doi:10.3390/jpm13060951.
A. A. Khan, A. A. Laghari, S. A. Awan, "Machine Learning in Computer Vision: A Review," EAI Endorsed Transactions on Scalable Information Systems, vol. 8, p. e4, 2021, doi:10.4108/eai.21-4-2021.169418.
Juhartini, D. Arwidiyarti, Desmiwati, “Single Shot Multibox Detector (SSD) in Object Detection: A Review”, IJACI, vol. 1, no. 2, pp. 118–127, Jul. 2025, doi:10.71129/ijaci.v1i2.pp118-127.
W. Liu, “SSD: Single Shot MultiBox Detector,” in Proceedings of the European Conference on Computer Vision (ECCV), 2016, pp. 1–17, doi:10.1007/978-3-319-46448-02.
J.S. Lim, M. Astrid, H. J. Yoon, S. I. Lee, “Small Object Detection using Context and Attention,” 2019, pp. 4321–4330, doi: 10.48550/arXiv.1912.06319.
D. Jiang, B. Sun, S. Su, Z. Zuo, P. Wu, X. Tan, “FASSD: A Feature Fusion and Spatial Attention-Based Single Shot Detector for Small Object Detection,” Electronics, vol. 9, no. 1536, pp. 1–20, 2020, doi:10.3390/electronics9091536.
G. Meena, K. K. Mohbey, A. Indian, S. Kumar, "Sentiment Analysis from Images using VGG-19 based Transfer Learning Approach," Procedia Computer Science, vol. 204, pp. 411–418, 2022, doi:10.1016/j.procs.2022.08.050.
M. Z. Khaliki, M. S. Bajarslan, "Brain tumor detection from images and comparison with transfer learning methods and 3-layer CNN," Scientific Reports, vol. 14, p. 2664, 2024, doi:10.1038/s41598-024-52823-9.
T. Shahriar, “Comparative analysis of lightweight deep learning models for memory-constrained devices,” 2025, doi:10.48550/arXiv.2505.03303.
S. G. Mohammad, A. E. A. Ali, M. M. Saeid, "Optimization MobileNetV3-small Model for Diabetic Foot Ulcers Classification," International Journal of Intelligent Engineering & Systems, vol. 18, no. 9, 2025, doi: 0.22266/ijies2025.1031.51.
D. Saha, M. P. Mangukia, A. Manickavasagan, "Real-Time Deployment of MobileNetV3 Model in Edge Computing Devices Using RGB Color Images for Varietal Classification of Chickpea," Applied Sciences, vol. 13, p. 7804, 2023, doi:10.3390/app13137804.
H. Wang, V. Bhaskara, A. Levinshtein, et al., "Efficient Super-Resolution Using MobileNetV3," in Proceedings of the European Conference on Computer Vision (ECCV) Workshops, 2020, vol. 12537, doi:10.1007/978-3-030-67070-2_5.
S. Athisayamani, R. S. Antonyswamy, V. Sarveshwaran, M. Almeshari, Y. Alzamil, V. Ravi, “Feature Extraction Using a Residual Deep Convolutional Neural Network (ResNet-152) and Optimized Feature Dimension Reduction for MRI Brain Tumor Classification,” Diagnostics, vol. 13, no. 4, 2023, doi:10.3390/diagnostics13040668.
M. K. Panda, B. N. Subudhi, T. Veerakumar, V. Jakhetiya, “Modified ResNet-152 network with hybrid pyramidal pooling for local change detection,” IEEE Trans. Artif. Intell., vol. 5, no. 4, pp. 1599–1612, Apr. 2024, doi:10.1109/TAI.2023.3299903.
S. Basodi, C. Ji, H. Zhang, Y. Pan, "Gradient Amplification: An Efficient Way to Train Deep Neural Networks," Big Data Mining and Analytics, vol. 3, no. 3, pp. 196–207, 2020, doi:10.26599/BDMA.2020.9020004.
A. Abuhussein, M. F. Darwish, A. Darwish, and A. E. Hassanien, "Comprehensive Facial Thermal Dataset," Mendeley Data, V1, 2024. doi: 10.17632/8885sc9p4z.1.
H. Rezatofighi, et al., "Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression," Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2019, pp. 658-666, doi:10.1109/CVPR.2019.00075.
Q. Tang, H. Qiang, Y. Tian, X. Feng, W. Hao, M. Xie, “ATDIOU: Arctangent Differential Loss Function for Bounding Box Regression,”
Sensors, vol. 26, p. 1545, 2026, doi:10.3390/s26051545.
B. Han, Q. Tang, J. Song, Z. Wang, Y. Yang, “GAOC: A Gaussian Adaptive Ochiai Loss for Bounding Box Regression,” Sensors, vol. 26, p. 368, 2026, doi:10.3390/s26020368.
D. Chicco, M. J. Warrens, G. Jurman, “The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation.” PeerJ Computer Science, vol. 7, p.e623, 2021, doi:10.7717/peerj-cs.623.
S. M. Robeson, and C. J. Willmott, “Decomposition of the mean absolute error (MAE) into systematic and unsystematic components," PLoS ONE, vol. 18, no. 2, 2023, doi:10.1371/journal.pone.0279774.
K. Warneke, S. D. Siegel, J. Afonso, et al., “What the mean absolute percentage error (MAPE) should adopt from Bland–Altman analyses,” German Journal of Exercise and Sport Research, 2025, doi:10.1007/s12662-025-01084-3.
Unduhan
Telah diserahkan
Diterima
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jurnal Nasional Teknologi dan Sistem Informasi
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Hak cipta untuk artikel ini ditransfer ke Jurnal Nasional Teknologi dan Sistem Informasi (TEKNOSI) jika dan ketika artikel diterima untuk publikasi. Yang bertanda tangan di bawah ini dengan ini mentransfer setiap dan semua hak di dalam dan ke kertas termasuk tanpa batasan semua hak cipta untuk TEKNOSI. Yang bertanda tangan di bawah ini dengan ini menyatakan dan menjamin bahwa makalah tersebut asli dan bahwa ia adalah pembuat makalah, kecuali untuk bahan yang secara jelas diidentifikasi sebagai sumber aslinya, dengan pemberitahuan izin dari pemilik hak cipta jika diperlukan. Yang bertanda tangan di bawah ini menyatakan bahwa ia memiliki kekuatan dan wewenang untuk membuat dan melaksanakan penugasan ini.
Kami menyatakan bahwa:
- Makalah ini belum diterbitkan dalam bentuk yang sama di tempat lain.
- Makalah ini tidak akan dikirimkan di tempat lain untuk publikasi sebelum penerimaan/penolakan oleh Jurnal ini
- Izin hak cipta diperoleh untuk materi yang diterbitkan di tempat lain dan yang memerlukan izin ini untuk reproduksi.
Selanjutnya, Saya/kami dengan ini mentransfer hak publikasi yang tidak terbatas dari makalah yang disebutkan di atas secara keseluruhan kepada TEKNOSI. Transfer hak cipta mencakup hak untuk mereproduksi dan mendistribusikan artikel, termasuk cetak ulang, terjemahan, reproduksi foto, mikroform, bentuk elektronik (offline, online) atau reproduksi lain yang serupa.
Penulis yang sesuai menandatangani dan menerima tanggung jawab untuk merilis materi ini atas nama setiap dan semua penulis bersama. Perjanjian ini harus ditandatangani oleh setidaknya salah satu penulis yang telah memperoleh persetujuan dari rekan penulis jika berlaku. Setelah pengajuan perjanjian ini ditandatangani oleh penulis yang sesuai, perubahan kepengarangan atau dalam urutan penulis yang tercantum tidak akan diterima.
Hak / Syarat dan Ketentuan yang dipertahankan :
- Penulis memiliki semua hak kepemilikan dalam setiap proses, prosedur, atau artikel manufaktur yang dijelaskan dalam Karya ini.
- Penulis dapat mereproduksi atau mengotorisasi orang lain untuk mereproduksi karya ini atau karya turunannya untuk penggunaan pribadi penulis atau untuk penggunaan perusahaan, dengan ketentuan bahwa sumber dan menyatakan hak cipta dimiliki TEKNOSI, salinan tidak digunakan dengan cara apa pun yang menyiratkan pengesahan TEKNOSI atas suatu produk atau layanan dari pihak mana pun, dan salinannya sendiri tidak ditawarkan untuk dijual.
- Meskipun penulis diizinkan untuk menggunakan kembali semua atau sebagian dari karya ini dalam karya lain, ini tidak termasuk mengabulkan permintaan pihak ketiga untuk mencetak ulang, menerbitkan ulang, atau jenis penggunaan ulang lainnya.
This work is licensed under a 