Silabus 20 Sesi: Optimasi Algoritma YOLO untuk Pengenalan Objek Kendaraan di Jalan Raya Menggunakan MATLAB
Tujuan Kursus:
Peserta akan memahami cara mengimplementasikan dan mengoptimalkan algoritma YOLO (You Only Look Once) untuk mendeteksi kendaraan di jalan raya menggunakan MATLAB. Kursus ini mencakup pemahaman teori, pemrosesan dataset, pelatihan model, evaluasi performa, dan optimasi untuk meningkatkan akurasi serta kecepatan deteksi.
Sesi 1-4: Pengenalan dan Persiapan Lingkungan MATLAB
-
Pengenalan MATLAB untuk Deep Learning Overview MATLAB dalam bidang Computer Vision
-
Pengenalan Deep Learning Toolbox
-
Instalasi dan konfigurasi MATLAB untuk YOLO
-
Konsep Dasar YOLO dan Algoritma Deteksi Objek Arsitektur YOLO (versi YOLOv3, YOLOv4, YOLOv5, dan YOLOv8)
-
Perbandingan dengan metode deteksi lain (Faster R-CNN, SSD)
-
Studi kasus deteksi kendaraan
-
Dataset dan Labeling Data Kendaraan Pengumpulan dataset kendaraan di jalan raya (COCO, KITTI, OpenImages)
-
Penggunaan MATLAB Image Labeler untuk anotasi dataset
-
Konversi format dataset agar kompatibel dengan MATLAB
-
Pra-pemrosesan Data dan Augmentasi Resize, normalisasi, dan augmentasi dataset
-
Teknik augmentasi: flipping, rotation, brightness adjustment
-
Persiapan dataset untuk model YOLO
Sesi 5-8: Implementasi YOLO di MATLAB
-
Arsitektur YOLO dalam MATLAB Cara kerja YOLO di MATLAB
-
Implementasi YOLO menggunakan Deep Learning Toolbox
-
Menjalankan YOLO pada dataset kendaraan
-
Melatih Model YOLO dengan Dataset Kendaraan Menentukan hyperparameter model YOLO
-
Pelatihan model menggunakan GPU dengan MATLAB
-
Evaluasi awal hasil pelatihan
-
Evaluasi Model dan Perbaikan Menggunakan Precision-Recall Curve, Confusion Matrix
-
Analisis mAP (Mean Average Precision)



