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...

  • Greeting

    Selamat datang teman-teman CVisioner pada pertemuan ke-sebelas Computer Vision. Pada pertemuan ini teman-teman CVisioner diharapkan dapat menganalisis video atau motion tracking dari video. Pada pertemuan ini akan dibahas motion tracking menggunakan Optical Flow. Semoga teman-teman CVisioner dalam keadaan sehat dan semangat mempelajari materi di pertemuan ke-sebelas ini. 

    Deskripsi Materi

    Optical flow adalah metode untuk memodelkan pergerakan objek pada video digital berdasarkan estimasi arah dan kecepatan perpindahan piksel antar frame.Optical flow sangat berguna dalam computer vision untuk memahami dinamika pada video, terutama untuk tracking dan analisis gerakan objek.

    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 menjelaskan  konsep dasar optical flow untuk memodelkan pergerakan piksel pada video
    2. Mahasiswa menjelaskan perhitungan optical flow seperti Lucas-Kanade dan Horn-Schunck
    3. Mahasiswa menerapkan optical flow untuk tracking gerak objek dan foreground segmentation
    4. Mahasiswa menerapkan algoritma optical flow untuk tracking objek pada video menggunakan library computer vision
    5. Mahasiswa dapat menganalisis kelebihan dan kekurangan penggunaan optical flow

    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 optical flow untuk video tracking dan modul pemrograman optical flow yang dapat teman-teman praktekkan menggunakan Google Colaboratory. 

    Sebelum Pertemuan (90 menit):

    1. Mahasiswa menonton video materi Optical Flow dan Object Tracking selama 30 menit. Video berisi konsep dasar dan contoh penerapan.
    2. Mahasiswa membaca handout ringkasan materi dan modul coding selama 30 menit.
    3. Mahasiswa mengerjakan kuis pemahaman materi di LMS selama 30 menit.

    Saat Pertemuan (120 menit):

    1. Warming up dan Dosen membahas poin-poin penting materi dan menjawab pertanyaan mahasiswa (15 menit).
    2. Mahasiswa dibagi dalam 5 kelompok, tiap kelompok 4-5 orang. Tiap kelompok diberikan project studi kasus tracking objek menggunakan optical flow (60 menit).
    3. Satu per satu kelompok mempresentasikan hasil project mereka. Kelompok lain memberi pertanyaan dan saran perbaikan (30 menit).
    4. Dosen memberikan ulasan dan penjelasan bagian yang masih membingungkan, lalu merangkum materi (15 menit).

    =====================================================================================================

    • Optical flow atau aliran optik adalah pola pergerakan yang teramati dari perubahan posisi piksel antara dua bingkai (frame) berurutan dalam sebuah video atau urutan gambar.

      Secara lebih spesifik, optical flow merupakan estimasi medan vektor 2D dari kecepatan gerak tiap piksel di dalam bidang gambar. Vektor ini merepresentasikan perpindahan atau pergerakan piksel per satuan waktu.

      Optical flow digunakan dalam beberapa aplikasi seperti:

      • Deteksi gerakan - mendeteksi gerakan objek atau kamera dalam video
      • Estimasi struktur 3D - memperkirakan kedalaman dan bentuk objek 3D
      • Pelacakan objek - melacak posisi objek dalam rangkaian gambar
      • Kompresi video - enkode informasi pergerakan untuk mengkompresi video
      • Penghapusan gerakan gambar - menghilangkan blur karena gerakan kamera

      Perhitungan optical flow melibatkan matching pola piksel, perhitungan gradient spasial dan waktu, serta estimasi kecepatan gerak dari informasi tersebut. Hasilnya adalah medan vektor 2D yang mewakili estimasi perpindahan tiap piksel antar bingkai video atau gambar.

    • Hai teman-teman CVisioner, untuk mempraktikkan pelacakan objek menggunakan optical flow, dapat mengikuti langkah-langkah berikut dengan menggunakan Python dan OpenCV.

    • Modul pembelajaran pemrograman Motion tracking Optical Flow menggunakan Python dan OpenCV

    • Cvisioner, sudah mencoba mempraktekan tutorial Optical Flow nya kan...Nah coba sekarang Challenge Time untuk menyelesaikan case study Optical Flow berikut ini. Perhatikan bagian yang diminta untuk diselesaikan solusinya.

    • CVisioner, saatnya kita coba implementasikan pembelajaran mengenai optical flow terhadap kasus di dunia nyata yah. Selamat bekerja secara tim..

    • Receive a grade Receive a passing grade

      Hai teman-teman CVisioner, yuk kita coba kerjakan kuis evaluasi mengenai video analysis & motion tracking menggunakan Optical Flow yah. Selamat mencoba, seperti biasa kalian punya kesempatan 3 kali untuk mendapatkan score paling tinggi.