Semua kelas Silabus Pengenalan Wajah Tahan Oklusi · Episode 1 dari 6

▶ Video Praktik

Lihat semua langkah di atas dipraktikkan langsung, lengkap dengan narasi.

0 kali ditonton

Buku kelas

Halaman 1 / 7

Kelas Pengenalan Wajah Tahan Oklusi #1: Dataset Wajah LFW & Membuat Oklusi Sintetis (Masker, Kacamata, Tangan): Sampul: Kelas Pengenalan Wajah Tahan Oklusi #1: Dataset Wajah LFW & Membuat Oklusi Sintetis (Masker, Kacamata, Tangan)

Kelas Pengenalan Wajah Tahan Oklusi #1: Dataset Wajah LFW & Membuat Oklusi Sintetis (Masker, Kacamata, Tangan): Sebelum mulai, daftar langkah, dan Langkah 1

Kelas Pengenalan Wajah Tahan Oklusi #1: Dataset Wajah LFW & Membuat Oklusi Sintetis (Masker, Kacamata, Tangan): Langkah 2: Memuat LFW dan pembagian data

Kelas Pengenalan Wajah Tahan Oklusi #1: Dataset Wajah LFW & Membuat Oklusi Sintetis (Masker, Kacamata, Tangan): Langkah 3: Eksplorasi jumlah foto per orang

Kelas Pengenalan Wajah Tahan Oklusi #1: Dataset Wajah LFW & Membuat Oklusi Sintetis (Masker, Kacamata, Tangan): Langkah 4: Oklusi sintetis berbasis landmark

Kelas Pengenalan Wajah Tahan Oklusi #1: Dataset Wajah LFW & Membuat Oklusi Sintetis (Masker, Kacamata, Tangan): Langkah 5: Wajah asli vs teroklusi

Selesai

Sampul: Kelas Pengenalan Wajah Tahan Oklusi #1: Dataset Wajah LFW & Membuat Oklusi Sintetis (Masker, Kacamata, Tangan)

Klik halaman atau ◀ ▶ untuk membalik · geser di HP · untuk memperbesar

Ingin belajar lebih dalam?

Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.

Unduh PDF· 0 kali diunduh Lihat silabus lengkap 6 episode Lihat Kursus Pengenalan Wajah Tanya via WhatsApp

Kelas yang direkomendasikan untuk Anda

Dipilih dari software, topik, dan level “Kelas Pengenalan Wajah Tahan Oklusi #1: Dataset Wajah LFW & Membuat Oklusi Sintetis (Masker, Kacamata, Tangan)”.

6 episodeAda gratis

Python · Menengah–Mahir

Deteksi Deepfake Vision Transformer

6 episode video + PDF, total 1 jam 11 menit. Dimulai dari: Konsep Deepfake, Jenis Manipulasi & Dataset Wajah Asli vs Palsu.

1 jam 11 menit 0 0

Lihat kelas

6 episodeAda gratis

Python · Menengah–Mahir

Transfer Learning Penyakit Daun

6 episode video + PDF, total 1 jam 5 menit. Dimulai dari: Dataset PlantVillage: Struktur Folder, Distribusi Kelas & Pembagian Data.

1 jam 5 menit 9 0

Lihat kelas

6 episodeAda gratis

Python · Menengah–Mahir

Segmentasi Tumor Otak U-Net

6 episode video + PDF, total 1 jam 10 menit. Dimulai dari: Dataset MRI Otak & Mask Tumor: Memuat, Visualisasi & Pembagian per Pasien.

1 jam 10 menit 28 0

Lihat kelas

50 episodeAda gratis

Agentic AI · Pemula–Menengah

Agentic AI Tanpa Coding

50 episode video + PDF, total 14 jam 29 menit. Dimulai dari: Chatbot, Otomasi, dan AI Agent: Apa Bedanya?.

14 jam 29 menit 66 0

Lihat kelas

100 episodeAda gratis

Claude · Pemula–Mahir

Claude dari Nol sampai Mahir

100 episode video + PDF, total 15 jam 1 menit. Dimulai dari: Apa Itu Claude dan Bedanya dengan ChatGPT serta Gemini.

15 jam 1 menit 62 0

Lihat kelas

Deep Learning CNN-LSTM Deteksi Pneumonia

6 episodeAda gratis

Python · Menengah–Mahir

Deep Learning CNN-LSTM Deteksi Pneumonia

6 episode video + PDF, total 57 menit. Dimulai dari: Dataset Rontgen Dada: Memuat, Eksplorasi & Pembagian Data.

57 menit 22 0

Lihat kelas

ANFIS Metaheuristik Peramalan Deret Waktu

6 episodeAda gratis

Python · Menengah–Mahir

ANFIS Metaheuristik Peramalan Deret Waktu

6 episode video + PDF, total 59 menit. Dimulai dari: Deret Waktu Non-Linear: Dataset, Stasioneritas, dan Pola.

59 menit 13 0

Lihat kelas

Optimasi Multi-Objektif NSGA-II MOPSO Hybrid

6 episodeAda gratis

Python · Menengah–Mahir

Optimasi Multi-Objektif NSGA-II MOPSO Hybrid

6 episode video + PDF, total 59 menit. Dimulai dari: Optimasi Multi-Objektif: Pareto Front, Dominasi, dan Fungsi Uji ZDT/DTLZ.

59 menit 9 0

Lihat kelas

Butuh lebih dari video?

Pilihan lain dari kami untuk Python.

Belajar bareng mentor

Kursus AI & Kecerdasan Buatan terjadwal, dibimbing langsung, bersertifikat.

Kursus

Kursus Optimasi Multi-Objektif: NSGA-II, MOPSO & Algoritma Hybrid (Python)

Kursus

Kursus Klasifikasi Aritmia EKG dengan Wavelet & Deep Learning (PyTorch)

Kursus

Kursus ANFIS + PSO/GA untuk Peramalan Deret Waktu Non-Linear (Python)

Lihat semua AI & Kecerdasan Buatan →

Minta dibuatkan

Tidak sempat belajar Python? Tim kami bisa mengerjakan proyeknya.

Jasa

Jasa Machine Learning Python — Model Prediksi, Segmentasi Pelanggan, Deteksi Fraud & Aplikasi AI

Jasa

Jasa Pembuatan Gambar AI dengan Stable Diffusion — Produksi Visual Custom Tanpa Batas

★ 4.9

Jasa

Jasa Pembuatan Gambar & Video AI dengan Leonardo AI — Visual All-in-One untuk Bisnis

★ 4.9

Lihat semua AI & Kecerdasan Buatan →

Kabari saya kalau ada kelas Python baru

Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.

Transkrip

Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.

Tampilkan transkrip

Pembuka

Inilah hasil akhirnya, wajah-wajah dari detaset LFW yang kita tutupi secara otomatis dengan masker, kacamata hitam, dan tangan. Oklusi seperti ini adalah musuh utama sistem pengenalan wajah, dan di seri ini kita membangun model yang tetap mengenali wajah walau tertutup. Ayo kita mulai. Halo, selamat datang di seri tutorial riset AI, pengenalan wajah tahan oklusi dengan fusi fitur multiskala. Sistem absensi dan keamanan berbasis wajah sering gagal saat wajah tertutup masker, kacamata hitam, atau tangan. Kondisi ini disebut oklusi. Di seri 6 episode ini kita membangun sistem lengkapnya, detaset dan oklusi sintetis, deteksi dan penyelarasan wajah, feature pyramid, fusi multiskala dengan arc face loss, verifikasi dengan kurva ROC, sampai uji ketahanan oklusi dan aplikasi absensi wajah. Di episode pertama ini kita menyiapkan datanya.

Langkah 1: Memasang library & dataset LFW

Kita buka terminal lewat menu terminal, new terminal, lalu pasang library seri ini, Torque, Torchvision, OpenPithon, Scikit-learn, Medplotlib, dan Streamlit. Datasetnya label Faces in the Wild atau LFW, kumpulan foto wajah tokoh publik dari berita. Scikit-learn bisa mengunduhnya otomatis, dan versi siapakainya ada di file projek khusus pelanggan premium. Buat file data underscore lfw.py

Langkah 2: Memuat LFW dan pembagian data

Fungsi muat mengambil orang yang punya minimal 20 foto, dalam warna dan resolusi asli, lalu menyimpannya sebagai cac NPZ supaya pemuatan berikutnya instan. Fungsi bagi data membagi 70, 15, 15% secara stratifiat per orang, sehingga setiap orang muncul di data latih, validasi, dan uji.

Langkah 3: Eksplorasi jumlah foto per orang

Sekarang buat file eksplorasi underscore lfw.py dan jalankan. Ada 3.023 foto dari 62 orang, masing-masing 125x94 piksel. Jumlah fotonya sangat tidak seimbang, paling sedikit 20, mediannya 31, dan George Wibu sendiri punya 530 foto. Ketidakseimbangan ini harus diingat saat menilai akurasi. Pembagiannya 2.116 latih, 453 validasi, dan 454 uji. Semuanya berisi 62 orang.

Langkah 4: Oklusi sintetis berbasis landmark

Buat file oklusi.py Oklusi sintetis ditempatkan berdasarkan 5 landmark wajah, 2 mata, hidung, dan 2 sudut bibir, sehingga posisinya ikut menyesuaikan ukuran wajah. Masker berupa poligon dari bawah hidung sampai dagu dengan 3 pilihan warna, kacamata hitam berupa 2 elips di atas mata beserta jembatannya, dan tangan berupa elips berwarna kulit yang diambil dari median warna wajah itu sendiri, dengan posisi dan sudut acak. Kembali ke file eksplorasi.

Langkah 5: Wajah asli vs teroklusi

Kita impor fungsi tambah oklusi. Lalu untuk foto LFW mentah kita pakai perkiraan posisi landmark rata-rata, di episode berikutnya landmark dideteksi untuk setiap wajah. Jalankan. Grafik pertama memperlihatkan ketidakseimbangan jumlah foto per orang. Grafik kedua memperlihatkan 4 wajah dalam 4 versi. Asli, masker, kacamata hitam, dan tangan. Dengan cara ini kita bisa membuat wajah teroklusi sebanyak apapun tanpa memotret ulang, untuk augmentasi saat pelatihan maupun untuk pengujian.

Selesai!

Selesai. Kita sudah mengenal masalah oklusi pada pengenalan wajah, membuat dataset LFW 62 orang, membagi data secara stratifiat, dan membuat oklusi sintetis masker, kacamata, dan tangan. Di episode berikutnya kita mendeteksi landmark wajah dengan unit dan menyelaraskan setiap wajah ke template ArcV 112 pixel. Sedang menyusun skripsi, tesis, atau riset AI di bidang pengenalan wajah dan biometrik? Cerdas inovasi digital membantu implementasi deep learning, dari oklusi sintetis, penyelarasan wajah, fitur piramid, art face, verifikasi, dan ROC, sampai aplikasi absensi wajah, serta membuka kursus deep learning dengan PyTor. Ingin menguasai seluruh seri ini? Dari dataset wajah sampai aplikasi absensi? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton,

Tanya materi kelas

Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.

Catatan saya

Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.

Tanya jawab

Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.

Belum ada pertanyaan.

Pengajar

Tim Cerdas Inovasi Digital

Pengembang software, engineer BIM & 3D, dan praktisi AI

53 kelas video1.291 episode

Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.

Lihat klien kami →

Memuat

▶ Video Praktik

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

1:02Langkah 1: Memasang library & dataset LFW

1:34Langkah 2: Memuat LFW dan pembagian data

3:43Langkah 3: Eksplorasi jumlah foto per orang

6:09Langkah 4: Oklusi sintetis berbasis landmark

9:50Langkah 5: Wajah asli vs teroklusi

12:12Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

▶ Video Praktik

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

1:02Langkah 1: Memasang library & dataset LFW

1:34Langkah 2: Memuat LFW dan pembagian data

3:43Langkah 3: Eksplorasi jumlah foto per orang

6:09Langkah 4: Oklusi sintetis berbasis landmark

9:50Langkah 5: Wajah asli vs teroklusi

12:12Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Pembuka

Langkah 1: Memasang library & dataset LFW

Langkah 2: Memuat LFW dan pembagian data

Langkah 3: Eksplorasi jumlah foto per orang

Langkah 4: Oklusi sintetis berbasis landmark

Langkah 5: Wajah asli vs teroklusi

Selesai!

Pembuka

Langkah 1: Memasang library & dataset LFW

Langkah 2: Memuat LFW dan pembagian data

Langkah 3: Eksplorasi jumlah foto per orang

Langkah 4: Oklusi sintetis berbasis landmark

Langkah 5: Wajah asli vs teroklusi

Selesai!