Kursus Python: Penerapan YOLOv5 untuk Deteksi Objek pada Kendaraan Bermotor di Jalan Raya

Berikut Silabus: Penerapan YOLOv5 untuk Deteksi Objek pada Kendaraan Bermotor di Jalan Raya

Total Sesi: 40

Durasi per Sesi: 1,5 jam

Tahap 1: Pengenalan dan Persiapan (Sesi 1-10)

• Sesi 1 : Pengantar YOLOv5 dan Deteksi Objek

• Studi kasus pada kendaraan bermotor di jalan raya

• Sesi 2 : Instalasi dan pengaturan lingkungan kerja YOLOv5

• Penggunaan Python, PyTorch, dan Jupyter Notebook

• Sesi 3 : Penjelasan arsitektur YOLOv5

• Perbandingan dengan model YOLO sebelumnya

• Sesi 4 : Pengumpulan dataset kendaraan bermotor

• Sumber data: dataset open-source dan data lapangan

• Sesi 5 : Anotasi data menggunakan LabelImg atau Roboflow

• Format YOLO (txt file) untuk bounding boxes

• Sesi 6 : Persiapan dataset: splitting data (training, validation, test)

• Normalisasi dan augmentasi data

• Sesi 7 : Studi hukum dan etika penggunaan data video jalan raya

• Praktik penanganan data privasi

• Sesi 8 : Instalasi dependensi YOLOv5 di Google Colab

• Penggunaan GPU untuk akselerasi pelatihan

• Sesi 9 : Konfigurasi file YAML untuk pelatihan YOLOv5

• Penyesuaian parameter sesuai dataset

• Sesi 10 : Validasi dataset: mengecek distribusi kelas

• Troubleshooting kesalahan umum dalam data

Tahap 2: Pelatihan Model YOLOv5 (Sesi 11-20)

• Sesi 11 : Pelatihan awal YOLOv5 dengan dataset kecil

• Penjelasan metrik deteksi objek (mAP, precision, recall)

• Sesi 12 : Pelatihan lengkap YOLOv5 dengan dataset utama

• Penggunaan callback dan early stopping

• Sesi 13 : Evaluasi performa model pada data validasi