Global searching is not enabled.
Skip to main content

Topic outline

  • GREETING

    Assalammualaikum wr, wb, Hallo teman-teman Cvisioner!!

    Selamat datang dan selamat bergabung pada matakuliah Computer Vision.
    Matakuliah IFB-301 Computer Vision ini merupakan matakuliah wajib di Program Studi Informatika, Fakultas Teknologi Industri, Institut Teknologi Nasional Bandung yang diselenggarakan di semester ganjil atau tepatnya di semester 5. Bobot matakuliah Computer Vision adalah 3 SKS.

    Perkenalkan saya Irma Amelia Dewi, selama satu semester ini akan menemai teman-teman Cvisioner untuk lebih memahami tidak hanya konsep dari metode-metode computer vision tetapi juga implementasinya di bidang industri.

    Pembelajaran yang diterapkan merupakan collaborative learning dan active learning, mengajak CVisioner terlibat secara partisipasi aktif dalam diskusi/small group discussion, group activity dalam menyelesaikan case study, problem-based yang berasal dari dunia usaha dan dunia industri (DUDI). Jika teman-teman Cvisioner memiliki pertanyaan atau kebutuhan, jangan ragu untuk menghubungi saya melalui platform ini. Saya selalu siap membantu teman-teman dalam proses pembelajaran ini.

    Jadi, mari kita mulai! Siapkan diri Anda untuk menggali ilmu baru, berdiskusi, dan menjalani pengalaman pembelajaran yang luar biasa.

    Terima kasih telah bergabung, dan saya berharap kita akan memiliki waktu yang sangat bermanfaat bersama. Selamat belajar!"

    • Deskripsi Matakuliah

      Mata kuliah ini membahas konsep dan teknik computer vision, yang berfokus pada kemampuan komputer untuk menginterpretasikan data visual 2D atau video. Mahasiswa akan mengeksplorasi dan mengimplementasikan berbagai topik seperti pemrosesan gambar, ekstraksi fitur, deteksi objek, klasifikasi gambar, dan deep learning untuk aplikasi computer vision. Melalui perkuliahan teori, hands-on assignments, dan proyek kolaboratif dengan industri untuk menyempurnakan dan meningkatkan solusi computer vision, mengatasi kebutuhan dan tantangan spesifik industri.

    • headerPada bagian ini berisi informasi mengenai Capaian Pembelajaran Lulusan (CPL) yang dibebankan pada mata kuliah. Selain itu juga berisikan informasi mengenai Capaian Pembelajaran Mata Kuliah (CPMK) yang diturunkan dari CPL, CPL ini lebih difokuskan atau disesuaikan dengan bahan kajian mata. Kemudian Sub-Capaian Pembelajaran Mata Kuliah (Sub-CPMK) diturunkan dari CPMK yang sudah dirumuskan untuk mengukur ketercapaian di setiap pertemuan perkuliahan. 

    • Temen-temen CVisioner berikut ini  informasi mengenai bahan-bahan kajian pada mata kuliah selama satu semester. Bahan kajian adalah konten esensial yang dicapai pada satu periode pembelajaran (babakan).

    • CVisioner skema perkuliahan matakuliah Computer Vision menerapkan Hybrid Learning dengan peserta yang berasal dari prodi Informatika Itenas dan luar PT. Pengimplementasian Flipped Classroom akan men-trigger teman-teman menjadi active learner dengan memperbanyak diskusi dan group activity. 

      Selain itu rencana penilaian disusun untuk setiap Sub-CPMK dengan dilengkapi panduan Rencana Tugas Mahasiswa (RTM) sehingga teman-teman CVisioner dapat mengikuti panduan pengerjaan, indikator dan kriteria penilaiannya. 

    • Sudah menyaksikan video nya kan?? Ini adalah dokumen RPS (Rencana Pembelajaran Semester) Matakuliah Computer Vision

    • CVisioner kita perkenalan dulu yuk sama dosen pengampu dan pengajar matakuliah IFB-301 Computer Vision di prodi Informatika Itenas Bandung

    • Berikut ini daftar rujukan yang dapat teman-teman CVisioner jadikan referensi dalam kuliah Computer Vision. 

    • Simulasi Computer Vision adalah aplikasi berbasis website yang dapat membantu teman-teman CVisioner untuk lebih memahami proses atau metode pada computer vision melalui simulasi dari proses-prosesnya. Melalui simulasi ini teman-teman CVisioner dapat mencoba operator sebagai berikut ini:

      • Pre-processing : grayscalling, global thresholding, brightness, contrast stretching dll
      • Image Segmentation dan Feature Extraction: Canny edge detection, Otsu's Thresholding, Histogram Orientation of Gradient, Local Binary Pattern, dll
      • Image Classification: Haar Cascade untuk mendeteksi wajah, face swipe dl

      Untuk lebih jelasnya silahkan jelajah sendiri simulasinya sebelum mempelajari materi pertemuannya untuk mendapatkan gambaran penerapan metode yang dipelajari.  

    • Pixel Spot Detection adalah simulasi berbasis website yang dapat digunakan oleh teman-teman CVisioner untuk memehami lebih dalam lagi melalui implementasinya mengenai materi object detection pada materi perkuliahan di Computer Vision. Penerapan metode deep learning teknologi Artificial Intelligence yang dibahas pada pertemuan Object Detection dapat memberikan arahan bagi teman-teman CVisioner bagaimana deep learning mampu mengenali objek disekitar kita. 

      Teman-teman Cvisioner dapat mencoba fitur real-time dengan mengaktifkan kamera dan PixelSpot Dtection dapat mendeteksi objek-objek di sekitar kalian, atau dapat menggunakan fitur offline dengan meng-upload video untuk mendeteksi objek yang ada di video tersebut. 

    • Pixel TalkBot adalah fitur penunjang dalam pembelajaran Computer Vision. Aplikasi yang dikembangkan dengan menggunakan teknologi Natural Language Processing dengan library OpenAI menjadikan PixelTalkBot tidak kalah serunya dari ChatGPT loh CVisioner. 

      Teman-teman CVisioner dapat memanfaatkan PixelTalkBot ini untuk mempelajari materi atau matakuliah secara mendalam, atau biasanya akan digunakan pada aktifitas diskusi dan group activity yang di-trigger dengan pertanyaan-pertanyaan dan studi kasus yang membutuhkan penjelasalan lebih mendalam dari teman-teman CVisioner. 

      Silahkan teman-teman CVisioner dapat memanfaatkan PixelTalkBot untuk memahami lebih lanjut materi pada setiap pertemuannya.

    • CVisioner, sudah saatnya masuk ke group activity untuk project based learning dengan case berasal dari DUDI yang telah bekerjasama dengan prodi Informatika Itenas Bandung.

    • Hai Cvisioner...

      sudah punya project akhir yang kita peroleh dari industries kan yah...sekarang waktunya teman-teman untuk melakukan manajemen project dan monitoring juga nih pekerjaan teman-teman untuk mengukur sejauh mana capaian teman-teman sekalian. Cek Trello secara periodik untuk melihat feedback dari mentor dan teman anggotanya yah...

  • HEADER

    Greeting

    Selamat datang teman-teman CVisioner pada pertemuan ke-sepuluh Computer Vision. Pada pertemuan ini teman-teman CVisioner diharapkan dapat menggabungkan beberapa citra menjadi citra panoramic. Pada pertemuan ini akan dibahas image stitching. Semoga teman-teman CVisioner dalam keadaan sehat dan semangat mempelajari materi di pertemuan ke-sepuluh ini. 

    Deskripsi Materi

    Image stitching adalah teknik menggabungkan beberapa citra dengan area overlap untuk menghasilkan citra panorama dengan sudut pandang lebih lebar.

    Tahapan image stitching:

      1.  Feature detection menggunakan SIFT descriptor untuk menemukan keypoint pada area overlap citra.
    1. Feature matching antar citra dilakukan berdasarkan jarak euclidean deskriptor SIFT.
    2. Estimasi homography antar citra menggunakan RANSAC untuk menghitung transformasi affine yang memadakan sudut pandang citra.
    3. Image warping dilakukan untuk mentransformasikan dan menyelaraskan citra berdasarkan estimasi homography.
    4. Image blending dengan teknik gradient domain blending untuk mencampur area overlap agar stitching terlihat halus dan tidak kentara.

    Image stitching banyak diaplikasikan dalam pembuatan panorama, video streaming, dan augmented reality.

    Sub-Capaian Pembelajaran MataKuliah (Sub-CPMK)

    SubCPMK 4:  Mahasiswa mampu mengimplementasikan teknik pengolahan citra pada video atau motion image serta tracking gerakan pada satu atau lebih gambar atau dari frame video pada aplikasi berbasis video di bidang jaringan komputer, data science dan AI dalam dunia industri

    Indikator Capaian Pembelajaran

    1. Mahasiswa mampu menjelaskan dan mengimplementasikan proses SIFT descriptor dalam feature detection dan matching pada proses image stitching.
    2. Mahasiswa mampu menjelaskan dan mengimplementasikan homography dan RANSAC dalam estimasi transformasi antar citra untuk image stitching.
    3. Mahasiswa mampu menjelaskan dan mengimplementasikan teknik image blending dalam proses image stitching agar hasilnya natural.
    4. Mahasiswa mampu menerapkan algoritma SIFT descriptor, RANSAC dan homography untuk melakukan image stitching.
    5. Mahasiswa mampu mengevaluasi dan menganalisis hasil image stitching yang dihasilkan.

    Skenario Pembelajaran 

    Matakuliah Computer Vision diselenggarakan dengan menggunakan model pembelajaran flipped classroom. Mahasiswa mempelajari materi pembelajaran baik handout, video pembelajaran, modul praktek pemrograman diluar jam perkuliahan sebelum kelas dimulai. Teman-teman CVisioner setelah mempelajari terlebih dahulu materi mengenai feature extraction berdasarkan tekstur menggunakan LBP dan modul pemrograman dengan metode LBP yang dapat teman-teman praktekkan menggunakan Google Colaboratory. 

    Sebelum pertemuan (90 menit):

    1. Mahasiswa menonton video materi Local Binary Pattern (LBP) selama 30 menit. Video berisi penjelasan konsep dasar LBP dan contoh implementasinya.
    2. Mahasiswa membaca handout ringkasan materi LBP dan modul praktik coding LBP selama 30 menit.
    3. Mahasiswa mengerjakan kuis pemahaman materi di LMS selama 30 menit.

    Saat pertemuan (120 menit):

    1. Presentasi dan review materi (15 menit)
    2. Dosen mereview inti materi dan menanggapi pertanyaan mahasiswa berdasarkan diskusi daring.
    3. case-study (60 menit)
      • Mahasiswa mencoba melakukan menyelesaikan case-study image stitching
    4. Presentasi hasil praktikum (15 menit)
      • Beberapa mahasiswa mempresentasikan dan mendiskusikan hasil case-study image stitching-nya.
    5. Penutup (15 menit)
      • Dosen merangkum hasil diskusi dan memberikan umpan balik

    Pengukuran pemahaman materi image stitching akan dilakukan juga dalam bentuk quiz di Spada Indonesia. Selamat Belajar

    • warming up materi image stitching untuk mengukur seberapa paham temen-temen mahasiswa memahami materi image stitching

    • Hai temen-temen CVisioner, pada pertemuan kali ini kita membahas mengenai bagaimana membuat image panoramic 360. Metode yang digunakan adalah image stitching. Sebelumnya kita coba ulas terlebih dahulu pengantar metode yang digunakan untuk "menjahit" image yah. Untuk dapat menjahit image atau image stitching, kita butuh algoritma, maka setelah ini kalian akan belajar sesuai alur prosesnya nih.

      1. pengantar SIFT (Scale Invariant Featute Transform),
      2. cara kerja SIFT 
      3. Pengantar dan cara kerja Ransac
      4. Menghitung homograf
      5. Image Wraping dan Image Blending

      Selamat belajar ya teman-teman

    • Temen-temenCVisioner...yuk sekarang kita coba praktekan nih image stitchingnya. Coba cari 2 gambar dengan view yang berbeda dan coba kita gabungkan jadi satu ya. Kira-kira bagaimana hasilnya ya..

      Selamat mempraktekan teman-teman..

    • Tujuan Pembelajaran: Mahasiswa memahami konsep dan tahapan proses image stitching melalui analisis kasus dan diskusi kelompok.

    • Receive a grade Receive a passing grade

      Hai Teman-teman CVisioner, kita akan evaluasi yah pemahaman teman-teman mengenai image stitching. Selamat bekerja