Apa yang akan Anda pelajari?
-
Pahami intuisi dasar tentang pengklasifikasi Cascade dan HOG untuk mendeteksi wajah
-
Terapkan deteksi wajah menggunakan perpustakaan OpenCV dan 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)
-
Deteksi wajah menggunakan gambar dan webcam
-
Memahami intuisi dasar tentang algoritma LBPH untuk mengenali wajah
-
Menerapkan pengenalan wajah menggunakan OpenCV dan perpustakaan 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
-
Menerapkan jaringan saraf padat untuk mengklasifikasikan gambar
-
Pelajari cara mengekstrak piksel dan fitur dari gambar untuk membangun jaringan saraf
-
Pelajari teori di balik jaringan saraf convolutional dan implementasikan menggunakan Python dan TensorFlow
-
Terapkan pembelajaran transfer dan penyetelan halus untuk mendapatkan hasil 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 konvolusi
-
Deteksi objek dalam gambar dalam video menggunakan YOLO, salah satu algoritme paling kuat saat ini
-
Mengenali 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)
-
Menerapkan segmentasi gambar, mengekstrak informasi yang berguna dari gambar dan video
Persyaratan
-
Logika Pemrograman
-
Pemrograman Python dasar
Keterangan
Computer Vision adalah subarea Artificial Intelligence 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 untuk alarm berbunyi.
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 utama computer vision. 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 perpustakaan OpenCV dan Dlib
- Pelajari cara melatih algoritma LBPH untuk mengenali wajah, juga menggunakan perpustakaan 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 convolutional untuk mengklasifikasikan gambar
- Gunakan pembelajaran transfer dan penyetelan halus untuk meningkatkan hasil jaringan saraf convolutional
- 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
- Mengenali 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 langkah demi langkah menggunakan bahasa Python dan Google Colab
Untuk siapa kursus ini:
- Pemula yang mulai belajar Computer Vision
- Mahasiswa sarjana yang sedang 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
