Silabus Sistem Deteksi Masker Wajah di Area Publik Menggunakan YOLO dan Deep Learning pada Kondisi Pandemi
1. Pengantar dan Dasar-Dasar Deteksi Objek (2 Sesi)
-
Sesi 1: Pendahuluan tentang deteksi objek dan penerapan teknologi dalam kondisi pandemi.
-
Sesi 2: Pengenalan deep learning, YOLO (You Only Look Once), dan framework yang digunakan (TensorFlow/PyTorch).
2. Persiapan Lingkungan Pengembangan (3 Sesi)
-
Sesi 3: Instalasi dan konfigurasi perangkat lunak: Python, OpenCV, TensorFlow/PyTorch, dan Anaconda.
-
Sesi 4: Pengaturan GPU untuk akselerasi deep learning (jika ada).
-
Sesi 5: Pengantar Jupyter Notebook dan Google Colab untuk pengembangan dan eksperimen.
3. Pengenalan YOLO dan Arsitektur Model (3 Sesi)
-
Sesi 6: Pengenalan YOLO dan arsitekturnya (YOLOv3, YOLOv4, dan YOLOv5).
-
Sesi 7: Pemahaman bounding box, confidence score, dan class probability dalam YOLO.
-
Sesi 8: Implementasi dasar YOLO untuk deteksi objek pada gambar statis.
4. Dataset untuk Deteksi Masker Wajah (5 Sesi)
-
Sesi 9: Memahami jenis dataset yang diperlukan: face mask, no mask, dan incorrect mask.
-
Sesi 10: Sumber dataset: Kaggle, COCO dataset, dan dataset custom.
-
Sesi 11: Teknik labeling data menggunakan LabelImg atau tool serupa.
-
Sesi 12: Augmentasi data untuk meningkatkan performa model.
-
Sesi 13: Pembagian data menjadi training, validation, dan test set.
5. Training Model YOLO untuk Deteksi Masker (7 Sesi)
-
Sesi 14: Persiapan file konfigurasi YOLO (cfg, names, dan data files).
-
Sesi 15: Pelatihan model YOLO menggunakan dataset yang telah disiapkan.
-
Sesi 16: Penyesuaian hyperparameter: batch size, learning rate, dan epoch.
-
Sesi 17: Menggunakan transfer learning untuk pelatihan yang lebih cepat.
-
Sesi 18: Memantau proses training menggunakan TensorBoard atau tools lainnya.



