Dalam jurnal ini, penulis meningkatkan deep learning, yaitu MobileNet V2 yang dapat belajar dengan
kecepatan dan akurasi yang lebih tinggi menggunakan dataset ImageNet. Arsitektur dasar MobileNet V2
dimodifikasi menggunakan teknik fine-tuning. Teknik tersebut tidak mengubah seluruh berat model deep
learning bawaan, hanya melakukan freezing beberapa layer. Modifikasi dilakukan dengan mengubah
parameter pada layer. Model yang ditingkatkan akan dilatih menggunakan dataset ImageNet
berdasarkan konteks pemantauan keamanan. Objek kelas dataset yang dipilih untuk pelatihan adalah
objek yang biasanya digunakan oleh orang-orang yang mencurigakan dengan tujuan untuk melakukan
kejahatan pencurian. Hasil pelatihan dengan model yang ditingkatkan dapat meningkatkan akurasi
hingga 71% dengan selisih 3% dari hasil pelatihan model bawaan MobileNet V2. Karena MobileNet V2
adalah model deep neural network yang ringan dan memiliki sedikit parameter dibandingkan dengan
parameter model neural network lainnya, model yang dimodifikasi ini dapat diimplementasikan pada
perangkat dengan spesifikasi rendah, seperti perangkat seluler atau raspberry pi dalam bentuk aplikasi
real-time.