Definisi Computer Vision Computer Vision

Definisi Computer Vision
Computer Vision adalah bidang ilmu komputer yang fokus pada pengembangan algoritma dan sistem yang
mampu memahami dan menafsirkan gambar maupun video layaknya penglihatan manusia. Teknologi ini
memungkinkan mesin untuk mengenali objek, mendeteksi peristiwa, dan memahami lingkungan sekitar
melalui data visual yang diproses secara otomatisPengolahan citra digital
Pengolahan citra digital melibatkan teknik untuk meningkatkan, memperbaiki, dan mempersiapkan gambar agar dapat dianalisis
lebih lanjut. Termasuk di dalamnya adalah proses filtering, normalisasi, dan peningkatan kualitas gambar agar hasil analisis
menjadi akurat dan andal.
Penginderaan jarak dan kedalaman
Teknologi ini memungkinkan sistem untuk mengukur jarak dan kedalaman objek dari kamera atau sensor lain, seperti stereo
vision dan LIDAR, sehingga dapat digunakan untuk memahami tiga dimensi dari lingkungan sekitar secara akurat.
Deteksi dan pelacakan objek
Kemampuan untuk mendeteksi keberadaan dan posisi objek dalam gambar maupun video, serta melacak pergerakannya dari
waktu ke waktu, sangat penting untuk sistem pengawasan, kendaraan otomatis, dan robotika.
Pengenalan pola dan klasifikasi
Proses ini melibatkan pengelompokkan dan identifikasi pola tertentu dalam data visual, seperti mengklasifikasi jenis objek atau
mengenali wajah, yang menjadi dasar banyak aplikasi pengenalan otomatis. Jadi, apa yang membuat computer vision atau visi komputer ini merupakan suatu hal yang penting, khususnya untuk masa mendatang?

Ya, seperti yang sudah Kami jelaskan di atas, ini adalah salah satu hal yang paling luar biasa untuk keluar dari pembelajaran mendalam dan dunia kecerdasan buatan.

Kemajuan yang telah disumbangkan oleh pembelajaran mendalam ke bidang visi komputer benar-benar membedakan bidang ini.

Yup! Visi komputer memungkinkan berbagai inovasi teknologi!

Hal ini memungkinkan berbagai hal seperti salah satunya yaitu mobil self-driving untuk mengemudi dengan aman melalui jalan-jalan dan jalan raya.

Mereka juga memungkinkan alat pengenalan wajah untuk mencocokkan gambar wajah orang dengan identitas mereka dan memungkinkan aplikasi augmented-reality untuk mencampur objek virtual dengan gambar dunia nyata.

Aplikasi visi komputer digunakan di seluruh industri untuk meningkatkan pengalaman konsumen, mengurangi biaya, dan memperketat keamanan serta pengembangan yang terus dilakukan untuk masa depan (mendatang).

Berbagai macam produsen menggunakannya untuk menemukan produk cacat di jalur perakitan dan mencegahnya dikirim ke pelanggan. Jenis tipe atau macam-macam sub dari computer vision terakhir yang akan Kami jelaskan di sini yaitu feature matching atau pencocokan fitur.

Ini merupakan pencocokan gambar secara umum, bagian dari banyak aplikasi visi komputer seperti pendaftaran gambar, kalibrasi kamera, dan pengenalan objek, adalah tugas untuk membuat korespondensi antara dua gambar dari pemandangan atau objek yang sama.

Pendekatan umum untuk feature matching ini

1. Pengantar Kuliah
Computer Vision

2. ●Pengantar Computer Vision
●Tujuan dan Manfaat Computer Vision
●Ruang Lingkup Computer Vision
●Komponen Utama dalam Sistem Computer
Vision
●Teknologi dan Algoritma Dasar
●Proses Pengolahan Citra
●Aplikasi Computer Vision
●Tantangan dalam Computer Vision
●Masa Depan Computer Vision
●Penutup
Agenda

3. Definisi Computer Vision
Computer Vision adalah bidang ilmu komputer yang fokus pada pengembangan algoritma dan sistem yang
mampu memahami dan menafsirkan gambar maupun video layaknya penglihatan manusia. Teknologi ini
memungkinkan mesin untuk mengenali objek, mendeteksi peristiwa, dan memahami lingkungan sekitar
melalui data visual yang diproses secara otomatis.
Sejarah singkat dan perkembangan
Sejarah Computer Vision dimulai sejak tahun 1960-an, ketika para peneliti mulai berusaha membuat mesin
mampu mengenali pola dalam gambar. Seiring berkembangnya teknologi komputer dan algoritma, terutama
dalam dekade terakhir, bidang ini mengalami lonjakan besar berkat inovasi dalam pembelajaran mesin dan
kecerdasan buatan. Saat ini, Computer Vision menjadi salah satu pilar utama dalam pengembangan teknologi
otomatisasi dan inovasi digital.
Relevansi dalam kehidupan sehari-hari
Computer Vision saat ini hadir dalam berbagai aspek kehidupan kita, mulai dari fitur face recognition di ponsel,
sistem pengawasan keamanan, kendaraan otonom, hingga aplikasi medis untuk diagnosa. Teknologi ini
mempermudah pekerjaan manusia dan meningkatkan efisiensi serta keamanan di berbagai bidang.
Pengantar Computer Vision

4. Mengenali objek dan pola dari gambar/video
Salah satu tujuan utama Computer Vision adalah mampu mengenali berbagai objek, pola, dan fitur
penting dalam gambar maupun video secara otomatis. Hal ini memungkinkan sistem untuk memproses
data visual secara cepat dan akurat, serta mengenali entitas yang relevan sesuai konteks.
Aplikasi otomatisasi dan kecerdasan buatan
Dengan kemampuannya, Computer Vision mendukung otomatisasi proses dan pengembangan sistem
kecerdasan buatan yang dapat melakukan tugas kompleks, seperti deteksi pelanggaran keamanan,
inspeksi kualitas produk, atau analisis medis, secara mandiri tanpa campur tangan manusia secara
langsung.
Contoh penerapan di berbagai bidang
Contoh penerapan meliputi pengenalan wajah untuk keamanan, kendaraan otonom yang mengenali
rambu lalu lintas, sistem analisis gambar medis, robot industri yang memindai dan mengidentifikasi
objek, serta pemantauan lingkungan menggunakan citra satelit. Keberhasilan bidang ini membuka
banyak peluang inovasi.
Tujuan dan Manfaat Computer Vision

5. Pengolahan citra digital
Pengolahan citra digital melibatkan teknik untuk meningkatkan, memperbaiki, dan mempersiapkan gambar agar dapat dianalisis
lebih lanjut. Termasuk di dalamnya adalah proses filtering, normalisasi, dan peningkatan kualitas gambar agar hasil analisis
menjadi akurat dan andal.
Penginderaan jarak dan kedalaman
Teknologi ini memungkinkan sistem untuk mengukur jarak dan kedalaman objek dari kamera atau sensor lain, seperti stereo
vision dan LIDAR, sehingga dapat digunakan untuk memahami tiga dimensi dari lingkungan sekitar secara akurat.
Deteksi dan pelacakan objek
Kemampuan untuk mendeteksi keberadaan dan posisi objek dalam gambar maupun video, serta melacak pergerakannya dari
waktu ke waktu, sangat penting untuk sistem pengawasan, kendaraan otomatis, dan robotika.
Pengenalan pola dan klasifikasi
Proses ini melibatkan pengelompokkan dan identifikasi pola tertentu dalam data visual, seperti mengklasifikasi jenis objek atau
mengenali wajah, yang menjadi dasar banyak aplikasi pengenalan otomatis.
Ruang Lingkup Computer Vision

6. Pengumpulan data citra/video
Langkah awal adalah pengumpulan data visual melalui kamera, sensor, atau satelit yang kemudian
digunakan sebagai bahan utama untuk dianalisis sistem. Kualitas dan kuantitas data sangat
berpengaruh terhadap hasil yang diperoleh.
Preprocessing citra
Data citra harus dipersiapkan dengan teknik preprocessing seperti filtering, normalisasi, dan
penguatan kontras agar fitur penting lebih mudah dikenali dan proses analisis menjadi lebih akurat.
Ekstraksi fitur
Proses ini melibatkan identifikasi dan pengambilan ciri khas dari gambar, seperti tepi, sudut, tekstur,
dan warna, yang dapat digunakan sebagai dasar dalam mengklasifikasi dan mengenali objek.
Pengolahan dan analisis data
Data yang sudah diproses kemudian dianalisis menggunakan algoritma machine learning atau
deep learning untuk mendeteksi, mengklasifikasi, dan mengambil keputusan berdasarkan data
visual tersebut.
Komponen Utama dalam Sistem
Computer Vision

7. Deteksi tepi dan segmentasi
Teknik ini digunakan untuk menyoroti batas-batas objek dalam gambar,
memisahkan objek dari latar belakang, sehingga fitur penting dapat dianalisis
dengan lebih efektif.
Pengenalan pola dan mesin pembelajaran
Penggunaan algoritma machine learning untuk belajar dari data dan
mengidentifikasi pola-pola tertentu dalam citra, yang memungkinkan sistem
mengenali objek dan kondisi secara otomatis.
Deep Learning dan CNN
Convolutional Neural Networks (CNN) adalah arsitektur deep learning yang sangat
efektif dalam pengolahan citra, mampu mengenali fitur kompleks dan mendukung
tugas-tugas pengenalan dan deteksi objek.
Model klasifikasi dan deteksi objek
Model ini dilatih untuk mengklasifikasi gambar ke dalam kategori tertentu dan
mendeteksi posisi serta keberadaan objek di dalam gambar secara real-time.
Teknologi dan Algoritma Dasar

8. Akuisisi citra
Langkah pertama adalah mendapatkan gambar dari sumber seperti kamera digital, scanner, atau sensor lain
yang sesuai dengan kebutuhan analisis.
Pengolahan awal (filtering, normalisasi)
Setelah citra diambil, dilakukan proses pengolahan awal untuk memperbaiki kualitas gambar, mengurangi noise,
dan menstandarkan data agar siap untuk analisis selanjutnya.
Ekstraksi fitur
Selanjutnya, fitur penting dari citra diekstraksi, seperti tepi, tekstur, dan warna, yang menjadi dasar dalam proses
pengenalan dan klasifikasi objek.
Pengambilan keputusan
Data yang telah diproses dan fitur yang diekstraksi digunakan untuk membuat keputusan otomatis, misalnya
mengenali objek, memperkirakan jarak, atau mengklasifikasi gambar.
Proses Pengolahan Citra

9. Pengawasan keamanan
Teknologi ini digunakan dalam sistem CCTV untuk mengenali wajah, mendeteksi aktivitas
mencurigakan, dan memastikan keamanan di tempat umum maupun privat.
Kendaraan otonom
Mobil tanpa pengemudi mengandalkan Computer Vision untuk mengenali rambu lalu lintas, jalan,
kendaraan lain, serta pejalan kaki untuk berkendara secara aman dan efisien.
Robotika dan otomatisasi industri
Robot industri menggunakan sistem Computer Vision untuk mengenali produk, melakukan inspeksi
visual, serta navigasi di lingkungan yang kompleks.
Medis dan diagnosis kesehatan
Dalam bidang medis, Computer Vision membantu dalam analisis gambar radiologi, MRI, dan foto
patologis untuk diagnosis yang lebih cepat dan akurat.
Pengolahan gambar satelit
Pemantauan lingkungan dan perubahan geographic menggunakan citra satelit yang dianalisis
dengan teknologi Computer Vision untuk pengelolaan sumber daya alam dan perencanaan kota.
Aplikasi Computer Vision

10. Variasi cahaya dan kondisi lingkungan
Perubahan cahaya, cuaca, dan kondisi lingkungan dapat mempengaruhi kualitas data visual, sehingga sistem harus
mampu beradaptasi dengan berbagai situasi dalam pengenalan yang akurat.
Ambiguitas dalam gambar
Gambar yang buram, tumpang tindih objek atau gambar yang kompleks dapat menimbulkan ambiguitas dalam proses
identifikasi dan klasifikasi, menuntut algoritma yang lebih canggih.
Kompleksitas data dan komputasi
Data visual yang besar dan kompleks membutuhkan sumber daya komputasi tinggi dan algoritma efisien agar proses
analisis dapat dilakukan secara cepat dan tepat.
Kebutuhan dataset besar untuk pelatihan
Agar model Machine Learning dan Deep Learning bekerja optimal, diperlukan dataset besar dan beragam, yang proses
pengumpulannya memakan waktu dan biaya.
Tantangan dalam Computer Vision

11. Masa Depan Computer Vision
Integrasi dengan AI dan IoT
Di masa depan, Computer Vision akan semakin terintegrasi dengan Artificial Intelligence
dan Internet of Things, menciptakan sistem yang lebih cerdas dan interaktif dalam
berbagai perangkat dan layanan.
Kemajuan teknologi hardware dan algoritma
Perkembangan hardware seperti GPU dan TPU serta algoritma yang lebih efisien akan
meningkatkan kecepatan dan akurasi sistem Computer Vision secara signifikan.
Peningkatan akurasi dan efisiensi
Dengan inovasi terbaru, sistem akan mampu mengenali objek lebih akurat dalam
berbagai kondisi dan melakukan analisis secara real-time dengan sumber daya yang
lebih efisien.
Potensi inovasi di berbagai sektor
Inovasi di bidang ini akan membuka peluang baru di industri, kesehatan, transportasi,
dan bidang lainnya, mendorong revolusi teknologi yang semakin maju dan bermanfaat.

12. Siyu neks wiks