LMS-SPADA INDONESIA
Course 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. -
Pada 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. -
Aplikasi-aplikasi yang dapat digunakan untuk menunjang pembelajaran 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-empat Computer Vision. Pada pertemuan ini teman-teman CVisioner diharapkan dapat mengidentifikasi fitur suatu citra untuk menentukan metode image segmentasi yang sesuai. Pada pertemuan ini akan dibahas image segmentasi berdasarkan kontur citra serta penggunaan Otsu's Thresholding sebagai proses segmentasi citra grayscale. Semoga teman-teman Cvisioner dalam keadaan sehat dan semangat mempelajari materi di pertemuan ke-empat ini.
Deskripsi Materi
Image segmentation adalah proses membagi citra menjadi beberapa region berdasarkan karakteristik tertentu. Contour segmentation adalah teknik segmentasi yang mengidentifikasi dan menandai batas-batas objek pada citra.
Canny edge detection algorithm adalah teknik contour segmentation yang paling populer. Algoritma ini bekerja dengan tahapan:
- Noise reduction menggunakan Gaussian filter
- Mendeteksi gradient intensitas piksel untuk menandai candidate edge
- Non-maximum suppression untuk menipiskan edge
- Hysteresis thresholding untuk menentukan strong dan weak edge.
Otsu's thresholding adalah teknik segmentasi citra grayscale untuk pemisahan foreground dan background. Algoritma ini secara otomatis mencari nilai ambang optimal yang memaksimalkan variansi antar kelas foreground dan background
jSub-Capaian Pembelajaran MataKuliah (Sub-CPMK)
Sub-CPMK 2: Mahasiswa dapat menentukan dan menerapkan teknik segmentasi citra dalam pemrosesan gambar berdasarkan bentuk/geometri, tekstur, warna, descriptor visual, depth dan/atau orientasi dalam perancangan dan pengembangan perangkat lunak computer vision
Indikator Capaian Pembelajaran
- Mahasiswa menjelaskan teknik-teknik contour segmentation untuk mendeteksi batas objek pada citra digital
- Mahasiswa mampu menerapkan Canny edge detection untuk ekstraksi contour dari citra digital.
- Mahasiswa mampu menerapkan Otsu's thresholding untuk segmentasi citra grayscale.
- Mahasiswa mengimplementasikan algoritma Canny edge detection dan Otsu's thresholding menggunakan library OpenCV bahasa pemrograman Python.
- Mahasiswa dapat memilih dan menerapkan teknik segmentasi yang sesuai untuk kasus dan data tertentu.
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. Pertemuan tiga dalam matakuliah Computer Vision teman-teman CVisioner setelah mempelajari terlebih dahulu materi mengenai image segmentation berbasis kontur menggunakan metode Canny Edge Detection dan Otsu's Thresholding. Selain itu terdapat modul pemrograman dengan topik Canny edge dan Otsu;s thresholding yang dapat teman-teman praktekkan menggunakan Google Colaboratory.
Teman-teman CVisioner pada awal pertemuan akan dilakukan warming-up berkaitan dengan fundamental step of Digital Image Processing dan sejauh mana pemahaman kalian mengenai image segmentation. Sesi berikutnya adalah Group Activity dengan kasus yang berasal dari teman-teman Cvisioner akan mempraktekkan Canny edge detection dan Otsu's Thresholding untuk objek yang kalian tentukan, kemudian analisis hasil segmentasi menggunakan canny atau Otsu's Thresholding.
-
Join yuk disini untuk mengukur sejauh mana nih teman-teman sebelumnya mengetahui mengenai materi yang akan dibahas hari ini.
-
Mahasiswa CVisioner, sebelum kalian mempelajari lebih lanjut. Simak terlebih dahulu fundamental step of Digital Image Processing. Tujuannya adalah agar teman-teman mahasiswa mengetahui materi yang akan dipelajari pada pertemuan ini ada pada step mana dan tujuannya dalam proses pengolahan citra digital.
-
Teman-teman CVisioner, sekarang kita coba pelajari materi contour based segmentation menggunakan metode Canny Edge Detection. Pelajari secara perlahan ya, di akhir slide ada pertanyaan interaktif yang dapat kalian jawab dalam berupa video. Selamat belajar.
-
Pada pertemuan ini teman-teman diminta untuk menyimak video penjelasan mengenai Canny edge Detection. Video dirancang dengan adanya interaksi button hotspot mengenai kasus soal pada Canny Edge dan proses konvolusi yang akan muncul di akhir penjelasan video.
-
Modul ini membantu teman-teman CVisioner memahami dengan mempraktekan Canny Edge Detection menggunakan pemrograman Python di Google Colaboratory. Selamat mengoding..
-
Hai, teman-teman CVisioner, berikut ini Video panduan untuk mengimplementasikan metode Canny Edge Detection. Selamat menyaksikan
-
Deskripsi Materi Otsu Thresholding
Teman-teman CVisioner, setelah tepi telah terdeteksi dengan menggunakan Canny Edge Detection, seringkali perlu untuk meningkatkan kontras tepi tersebut untuk memudahkan proses segmentasi lebih lanjut. Di sinilah Otsu's Thresholding dapat digunakan.
Otsu's Thresholding adalah metode yang digunakan untuk menentukan ambang batas yang optimal untuk memisahkan piksel-piksel citra menjadi dua kelompok (objek dan latar belakang) berdasarkan intensitas piksel tersebut.
Dengan menerapkan Otsu's Thresholding pada citra tepi hasil dari Canny Edge Detection, kalian dapat menghasilkan citra biner yang lebih tajam dengan latar belakang yang relatif homogen dan kontur objek yang lebih tegas.
-
Pada pembahasan kali ini mengenai segmentasi citra berbasis intensitas piksel yaitu metode Otsu's Thresholding. Perhatikan baik-baik handoutnya yah dan pahami setiap prosesnya.
-
CVisioner yang masih belum paham, yuk kita simak video penjelasan mengenai Otsu's Thresholding, simak baik-baik. Jangan di-skip videonya karena ada beberapa pertanyaan di dalam videonya yang wajib temen-temen isikan.
-
Modul ini membantu teman-teman CVisioner memahami dengan mempraktekan Otsu's Thresholding menggunakan pemrograman Python di Google Colaboratory. Selamat mengoding..
-
Teman-teman CVisioner, jika ingin lebih mahir lagi silahkan akses video tutorial implementasi Otsu's Thresholding menggunakan pemrograman Python di Google Colaboratory
-
Hai teman-teman CVisioner, pada Group activity kali ini teman-teman akan dimita untuk mengambil gambar secara random kemudian lakukan proses dari mulai pre-processing sampai dengan image segmentation. Kalian dapat menggunakn PixelSimulation untuk melakukan pemprosesan gambar. Upload pekerjaan teman-teman dan pamerkan di Padlet. Semangaaatttt...!
-
Haii teman-teman CVisioner sudah selesai mempelajari contour segmentationnya ya. Saya yakin kalian paham dengan konsep dan implmenetasinya. Ayo sekarang, coba kalian tuangkan apa yang sudah kalian pelajari dan pahami.
upload jawaban terbaik kalian disini yah
LMS-SPADA INDONESIA