Silabus Implementasi Deteksi Wajah dan Ekspresi Wajah Menggunakan OpenCV dan Deep Learning untuk Sistem Interaksi Manusia-Komputer
Pendahuluan
Silabus ini mencakup pembelajaran tentang deteksi wajah dan ekspresi wajah menggunakan OpenCV dan teknik deep learning. Kursus ini dirancang untuk mempersiapkan peserta agar mampu mengembangkan sistem interaksi manusia-komputer yang canggih.
Sesi 1-5: Pengantar dan Persiapan Lingkungan
-
Sesi 1: Pengantar Computer Vision dan Human-Computer Interaction (HCI) Konsep dasar Computer Vision dan HCI.
-
Aplikasi dan pentingnya deteksi wajah dan ekspresi wajah.
-
Gambaran umum OpenCV dan Deep Learning.
-
Sesi 2: Instalasi dan Konfigurasi Lingkungan Kerja Instalasi Python, OpenCV, dan pustaka pendukung.
-
Instalasi framework deep learning (TensorFlow/PyTorch).
-
Menyiapkan Jupyter Notebook atau IDE lain.
-
Sesi 3: Pengantar OpenCV untuk Pemrosesan Gambar Dasar-dasar OpenCV.
-
Membaca, menampilkan, dan menyimpan gambar.
-
Operasi dasar pada gambar (resizing, cropping, color spaces).
-
Sesi 4: Pemrosesan Video dan Deteksi Objek Sederhana Membaca dan menampilkan video.
-
Deteksi objek sederhana dengan haarcascades (deteksi wajah dasar).
-
Pengenalan algoritma deteksi wajah klasik (Haar dan HOG).
-
Sesi 5: Pengantar Deep Learning untuk Computer Vision Pengenalan konsep deep learning dan neural networks.
-
Arsitektur CNN (Convolutional Neural Network).
-
Implementasi CNN sederhana untuk klasifikasi gambar.
Sesi 6-10: Deteksi Wajah dengan OpenCV dan Deep Learning
-
Sesi 6: Deteksi Wajah dengan Haarcascades dan HOG Teori Haarcascades dan HOG.
-
Implementasi deteksi wajah menggunakan Haarcascades.
-
Penggunaan HOG untuk deteksi wajah.
-
Sesi 7: Penggunaan DNN (Deep Neural Network) dalam OpenCV Implementasi deteksi wajah menggunakan model DNN OpenCV.
