Berikut adalah silabus 10 sesi @1.5 jam untuk topik: “Implementasi YOLO untuk Deteksi Masker Wajah pada Area Publik” Silabus ini cocok untuk mahasiswa, peneliti, atau profesional yang ingin membangun sistem deteksi masker berbasis computer vision.
️ Silabus 10x Sesi – Implementasi YOLO Deteksi Masker
Sesi 1: Pengenalan Computer Vision dan YOLO
-
Definisi dan ruang lingkup computer vision
-
Evolusi algoritma deteksi objek (RCNN, SSD, YOLO)
-
Versi YOLO (v3 hingga v8): kelebihan dan perbedaan
-
Studi kasus: Deteksi masker wajah
Sesi 2: Instalasi Lingkungan Pengembangan
-
Instalasi Python, Anaconda, dan Jupyter Notebook
-
Instalasi YOLOv5 (atau YOLOv8) dari Ultralytics
-
Instalasi dependensi: PyTorch, OpenCV, Pandas
-
Uji coba model bawaan YOLO
Sesi 3: Dataset dan Anotasi
-
Sumber dataset deteksi masker (e.g. MAFA, RMFD, custom)
-
Struktur dataset YOLO: images, labels
-
Alat anotasi: LabelImg, Roboflow, CVAT
-
Format label YOLO: [class_id x_center y_center width height]
Sesi 4: Persiapan Dataset Custom
-
Resize dan augmentasi data (flip, brightness, zoom)
-
Konversi dataset ke format YOLO jika perlu
-
Split dataset: train, valid, test
-
Konfigurasi file data.yaml
Sesi 5: Pelatihan Model YOLO
-
Konfigurasi hyperparameter pelatihan
-
Fine-tuning YOLO dengan dataset masker
-
Training menggunakan GPU (jika ada)
-
Monitoring dengan TensorBoard
Sesi 6: Evaluasi dan Validasi Model
-
Performa model: mAP, precision, recall, F1 score
-
Visualisasi hasil deteksi pada dataset validasi



