Silabus Pengembangan Aplikasi Pengawasan Otomatis di Area Publik Menggunakan OpenCV dan Convolutional Neural Network
Sesi 1-5: Pengantar Pemrosesan Citra dan OpenCV
-
Sesi 1: Pengenalan Pemrosesan Citra dan OpenCV Apa itu pemrosesan citra?
-
Instalasi OpenCV dan pengaturan lingkungan kerja.
-
Dasar-dasar OpenCV: membaca, menampilkan, dan menyimpan gambar.
-
Sesi 2: Manipulasi Dasar pada Gambar Konversi warna, pemotongan, dan pengubahan ukuran gambar.
-
Transformasi geometris: rotasi, translasi, dan penskalaan.
-
Sesi 3: Deteksi Tepi dan Segmentasi Gambar Algoritma deteksi tepi: Canny, Sobel.
-
Segmentasi gambar dengan thresholding dan contour detection.
-
Sesi 4: Pengenalan Deteksi Objek Menggunakan OpenCV Deteksi objek dengan metode tradisional: Haar Cascades dan HOG.
-
Pengenalan pada deteksi objek berbasis Deep Learning.
-
Sesi 5: Pengolahan Video dan Deteksi Gerakan Bekerja dengan video di OpenCV.
-
Deteksi gerakan menggunakan teknik background subtraction.
Sesi 6-10: Pengenalan Convolutional Neural Network (CNN)
-
Sesi 6: Konsep Dasar Neural Network dan CNN Pengantar Neural Network dan CNN.
-
Arsitektur dasar CNN: convolution, pooling, fully connected layers.
-
Sesi 7: Implementasi CNN dengan TensorFlow/Keras Instalasi dan pengenalan TensorFlow/Keras.
-
Membangun model CNN sederhana untuk klasifikasi gambar.
-
Sesi 8: Pelatihan Model CNN dan Evaluasi Dataset: pembagian data training dan testing.
-
Pelatihan model, loss function, dan optimisasi.
-
Evaluasi model: akurasi, precision, recall, dan F1-score.
-
Sesi 9: Pengenalan Transfer Learning Apa itu transfer learning?
-
Menggunakan model pretrained (misalnya, VGG, ResNet) untuk klasifikasi gambar.
-
Sesi 10: Fine-Tuning Model Pretrained Teknik fine-tuning pada model pretrained.



