Yang akan Anda pelajari
-
Pahami intuisi dasar tentang pengklasifikasi Cascade dan HOG untuk mendeteksi wajah
-
Terapkan deteksi wajah menggunakan OpenCV dan perpustakaan Dlib
-
Pelajari cara mendeteksi objek lain menggunakan OpenCV, seperti mobil, jam, mata, dan seluruh tubuh orang
-
Bandingkan hasil dari tiga detektor wajah: Haarcascade, HOG (Histogram of Oriented Gradients) dan CNN (Convolutional Neural Networks)
-
Mendeteksi wajah menggunakan gambar dan webcam
-
Pahami intuisi dasar tentang algoritma LBPH untuk mengenali wajah
-
Terapkan pengenalan wajah menggunakan pustaka OpenCV dan Dlib
-
Kenali wajah menggunakan gambar dan webcam
-
Pahami intuisi dasar tentang algoritma KCF dan CSRT untuk melakukan pelacakan objek
-
Pelajari cara melacak objek dalam video menggunakan perpustakaan OpenCV
-
Pelajari semua yang perlu Anda ketahui tentang teori di balik jaringan saraf, seperti: perceptron, fungsi aktivasi, pembaruan bobot, propagasi balik, penurunan gradien, dan banyak lagi
-
Terapkan jaringan saraf padat untuk mengklasifikasikan gambar
-
Pelajari cara mengekstrak piksel dan fitur dari gambar untuk membangun jaringan saraf
-
Pelajari teori di balik jaringan saraf konvolusional dan implementasikan menggunakan Python dan TensorFlow
-
Terapkan pembelajaran transfer dan penyempurnaan untuk mendapatkan hasil yang luar biasa saat mengklasifikasikan gambar
-
Gunakan jaringan saraf convolutional untuk mengklasifikasikan emosi berikut dalam gambar dan video: senang, marah, jijik, takut, terkejut, dan netral
-
Kompres gambar menggunakan autoencoder linier dan konvolusional
-
Deteksi objek dalam gambar dalam video menggunakan YOLO, salah satu algoritme paling canggih saat ini
-
Kenali gerakan dan tindakan dalam video menggunakan OpenCV
-
Pelajari cara membuat gambar halusinogen dengan Deep Dream
-
Pelajari cara menghidupkan kembali artis terkenal dengan transfer gaya
-
Buat gambar yang tidak ada di dunia nyata dengan GAN (Generative Adversarial Networks)
-
Terapkan segmentasi gambar, ekstrak informasi yang berguna dari gambar dan video
Persyaratan
-
Logika pemrograman
-
Pemrograman Python dasar
Deskripsi
Computer Vision adalah subarea dari Kecerdasan Buatan yang berfokus pada pembuatan sistem yang dapat memproses, menganalisis, dan mengidentifikasi data visual dengan cara yang mirip dengan mata manusia. Ada banyak aplikasi komersial di berbagai departemen, seperti: keamanan, pemasaran, pengambilan keputusan, dan produksi. Ponsel cerdas menggunakan Computer Vision untuk membuka kunci perangkat menggunakan pengenalan wajah, mobil self-driving menggunakannya untuk mendeteksi pejalan kaki dan menjaga jarak aman dari mobil lain, serta kamera keamanan menggunakannya untuk mengidentifikasi apakah ada orang di lingkungan sekitar untuk mengaktifkan alarm.
Dalam kursus ini Anda akan mempelajari semua yang perlu Anda ketahui untuk masuk ke dunia ini. Anda akan mempelajari implementasi langkah demi langkah dari 14 (empat belas) teknik visi komputer utama. Jika Anda belum pernah mendengar tentang visi komputer, di akhir kursus ini Anda akan mendapatkan gambaran praktis dari semua bidang. Di bawah ini Anda dapat melihat beberapa konten yang akan Anda terapkan:
- Deteksi wajah dalam gambar dan video menggunakan pustaka OpenCV dan Dlib
- Pelajari cara melatih algoritme LBPH untuk mengenali wajah, juga menggunakan pustaka OpenCV dan Dlib
- Lacak objek dalam video menggunakan algoritme KCF dan CSRT
- Pelajari seluruh teori di balik jaringan saraf tiruan dan terapkan untuk mengklasifikasikan gambar
- Menerapkan jaringan saraf konvolusional untuk mengklasifikasikan gambar
- Gunakan pembelajaran transfer dan penyetelan halus untuk meningkatkan hasil jaringan saraf konvolusional
- Deteksi emosi dalam gambar dan video menggunakan jaringan saraf
- Kompres gambar menggunakan autoencoder dan TensorFlow
- Deteksi objek menggunakan YOLO, salah satu teknik paling ampuh untuk tugas ini
- Kenali gerakan dan tindakan dalam video menggunakan OpenCV
- Buat gambar halusinogen menggunakan teknik Deep Dream
- Gabungkan gaya gambar menggunakan transfer gaya
- Buat gambar yang tidak ada di dunia nyata dengan GAN (Generative Adversarial Networks)
- Ekstrak informasi yang berguna dari gambar menggunakan segmentasi gambar
Anda akan mempelajari intuisi dasar tentang algoritme dan mengimplementasikan beberapa proyek selangkah demi selangkah menggunakan bahasa Python dan Google Colab
Untuk siapa kursus ini:
- Pemula yang mulai belajar Computer Vision
- Mahasiswa sarjana yang mempelajari mata pelajaran yang berkaitan dengan Kecerdasan Buatan
- Orang yang ingin memecahkan masalah mereka sendiri menggunakan Computer Vision
- Siswa yang ingin bekerja di perusahaan yang mengembangkan proyek Computer Vision
- Orang yang ingin mengetahui semua area di dalam Computer Vision, serta mengetahui masalah yang dapat dipecahkan oleh teknik ini
- Siapa pun yang tertarik dengan Kecerdasan Buatan atau Visi Komputer
- Ilmuwan data yang ingin mengembangkan portofolio mereka
- Profesional yang ingin memahami cara menerapkan Computer Vision ke proyek nyata
