Kursus Python YOLO: Integrasi YOLO dan DeepSORT untuk Sistem Pelacakan Individu dalam Video Surveillance

Berikut adalah silabus 10 sesi @1.5 jam untuk topik “Integrasi YOLO dan DeepSORT untuk Sistem Pelacakan Individu dalam Video Surveillance”. Silabus ini dirancang agar peserta memahami deteksi objek menggunakan YOLO, pelacakan menggunakan DeepSORT, hingga integrasi dan evaluasi sistem pelacakan.

️ Silabus 10 Sesi (Total 15 Jam)

Sesi 1: Pengenalan Sistem Deteksi dan Pelacakan Objek

• Konsep dasar video surveillance

• Perbedaan deteksi vs pelacakan objek

• Studi kasus penggunaan YOLO + DeepSORT

• Tools yang akan digunakan (Python, OpenCV, YOLOv5, DeepSORT, CUDA/GPU)

• Persiapan lingkungan (Anaconda, VS Code, dll)

Sesi 2: Pengenalan dan Instalasi YOLOv5

• Penjelasan arsitektur YOLOv5 (Backbone, Neck, Head)

• Pre-trained vs training custom model

• Instalasi YOLOv5 di Google Colab dan lokal (GPU/CUDA)

• Menjalankan inference pada gambar dan video

Sesi 3: Dataset dan Preprocessing untuk Deteksi Objek

• Format dataset YOLO (images + annotations)

• Labeling tools (LabelImg, Roboflow)

• Teknik augmentasi dataset

• Eksperimen dengan dataset umum (COCO, MOT16, atau custom CCTV)

Sesi 4: Fine-Tuning YOLOv5 dengan Dataset Video Surveillance

• Transfer learning menggunakan YOLOv5s

• Konfigurasi hyperparameter

• Training model untuk mendeteksi individu (person class)

• Validasi hasil deteksi

Sesi 5: Teori dan Implementasi DeepSORT

• Penjelasan SORT vs DeepSORT

• Re-identifikasi objek dan penggunaan feature extractor

• Kalman Filter dan Hungarian Algorithm

• Arsitektur DeepSORT dan dependencies-nya

Sesi 6: Integrasi YOLOv5 + DeepSORT