Semua kelas Silabus Pengenalan Wajah Tahan Oklusi · Episode 5 dari 6

Kelas Pengenalan Wajah Tahan Oklusi #5: Verifikasi Wajah: Cosine Similarity, Threshold, Kurva ROC & EER

0 kali dilihat

Kelas verifikasi wajah bahasa Indonesia: cosine similarity, threshold, kurva ROC, AUC, dan Equal Error Rate (EER) dengan PyTorch dan scikit-learn. Episode 5 seri pengenalan wajah tahan oklusi.

Software: Deep Learning (PyTorch ArcFace)
Level: Mahir
Durasi: ± 9 menit
Total seri: 1 jam 26 menit · 6 video
Terbit: 24 Oktober 2026

Episode 5 dari 6 · lihat silabus

Unduh PDF (5 halaman PDF)

0 kali diunduh

Unduh File Project· 153 MB Buka Semua Kelas Premium ▶ Tonton video praktik0 kali ditonton

▶ Video Praktik

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

0 kali ditonton

Buku kelas

Halaman 1 / 5

Kelas Pengenalan Wajah Tahan Oklusi #5: Verifikasi Wajah: Cosine Similarity, Threshold, Kurva ROC & EER: Sampul: Kelas Pengenalan Wajah Tahan Oklusi #5: Verifikasi Wajah: Cosine Similarity, Threshold, Kurva ROC & EER

Kelas Pengenalan Wajah Tahan Oklusi #5: Verifikasi Wajah: Cosine Similarity, Threshold, Kurva ROC & EER: Sebelum mulai, daftar langkah, dan Langkah 1

Kelas Pengenalan Wajah Tahan Oklusi #5: Verifikasi Wajah: Cosine Similarity, Threshold, Kurva ROC & EER: Langkah 2: Kurva ROC, AUC & EER

Kelas Pengenalan Wajah Tahan Oklusi #5: Verifikasi Wajah: Cosine Similarity, Threshold, Kurva ROC & EER: Langkah 3: Sebaran skor & kurva ROC

Selesai

Sampul: Kelas Pengenalan Wajah Tahan Oklusi #5: Verifikasi Wajah: Cosine Similarity, Threshold, Kurva ROC & EER

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 #5: Verifikasi Wajah: Cosine Similarity, Threshold, Kurva ROC & EER”.

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

18 episodeAda gratis

Python · Pemula–Mahir

Machine Learning Python

18 episode video + PDF, total 3 jam 41 menit. Dimulai dari: Pengenalan Machine Learning & Model Pertama.

3 jam 41 menit 61 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

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

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

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, lebih dari 100 ribu pasangan wajah dibandingkan, dan skor orang yang sama terpisah jelas dari skor orang yang berbeda. Dari kurva ROC kita mendapatkan equal error rate sekitar 1% dan tersol keputusan untuk sistem verifikasi. Ayo kita mulai. Halo, selamat datang di episode kelima seri pengenalan wajah tahan oklusi. Ada dua tugas utama pengenalan wajah. Identifikasi menjawab siapa orang ini, dan verifikasi menjawab apakah dua foto ini orang yang sama, seperti membuka kunci ponsel dengan wajah. Verifikasi membutuhkan tersol, di atas nilai itu diterima, di bawahnya ditolak. Hari ini kita mengukurnya dengan cara standar riset biometrik, kurva ROC dan equal error rate.

Langkah 1: Cosine similarity seluruh pasangan

Buat file verifikasi.py Kita muat model fusi multiskala terbaik dari episode 4 dan menghitung embedding semua wajah data uji. Karena embedding sudah dinormalisasi, perkalian matriks E kali E transpose langsung menghasilkan kosain similarity setiap pasangan. Kita ambil segitiga atas matriksnya agar setiap pasangan dihitung sekali, lalu menandai pasangan orang sama dan orang berbeda. Jalankan Ada lebih dari 102 ribu pasangan, sekitar 5 ribu orang sama dan hampir 98 ribu orang berbeda. Rata-rata kosain orang sama hampir 0,9, sedangkan orang berbeda sekitar 0, artinya embedding orang berbeda hampir tegak lurus.

Langkah 2: Kurva ROC, AUC & EER

Sekarang kurva ROC. Untuk setiap threshold, false accept rate adalah persentase pasangan orang berbeda yang keliru diterima, dan true accept rate persentase pasangan orang sama yang benar diterima. Equal error rate adalah titik ketika salah terima sama dengan salah tolak, satu angka ringkas yang sering dilaporkan di paper. Jalankan AUC sekitar 0,999 dan IIR sekitar 1%. Sistem keamanan biasanya memakai FAR yang lebih ketat, misalnya 0,1%, dengan threshold yang lebih tinggi. Threshold.IIR kita simpan ke threshold.json. Mari kita gambar.

Langkah 3: Sebaran skor & kurva ROC

Grafik kiri sebaran skor, biru orang berbeda di sekitar 0, orannya orang sama menumpuk di dekat 1, dan garis putus-putus adalah threshold. Hanya sedikit sekali yang tumpang tindih. Grafik kanan kurva ROC dengan sumbu FAR logaritmik agar daerah FAR kecil yang penting terlihat jelas, titik merah adalah IIR. Ingat, orang-orang di data uji ini juga ada di data latih, hanya fotonya berbeda. Untuk orang yang sama sekali baru, kinerjanya akan lebih rendah, dan ini akan kita hadapi di episode berikutnya.

Selesai!

Selesai Kita sudah membedakan identifikasi dan verifikasi, menghitung kosain similarity 100 ribu pasangan, membuat kurva ROC, menghitung AUC dan equal error rate, serta memilih threshold keputusan. Di episode terakhir kita menguji ketahanan model terhadap oklusi dan membangun aplikasi absensi wajah. 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, feature pyramid, art face, verifikasi dan ROC, sampai aplikasi absensi wajah, serta membuka kursus deep learning dengan PyTor. Ingin menguasai seluruh seri ini, dari detaset 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.

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 video1.296 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

0:53Langkah 1: Cosine similarity seluruh pasangan

3:28Langkah 2: Kurva ROC, AUC & EER

4:55Langkah 3: Sebaran skor & kurva ROC

7:21Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

▶ Video Praktik

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

0:53Langkah 1: Cosine similarity seluruh pasangan

3:28Langkah 2: Kurva ROC, AUC & EER

4:55Langkah 3: Sebaran skor & kurva ROC

7:21Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Pembuka

Langkah 1: Cosine similarity seluruh pasangan

Langkah 2: Kurva ROC, AUC & EER

Langkah 3: Sebaran skor & kurva ROC

Selesai!

Pembuka

Langkah 1: Cosine similarity seluruh pasangan

Langkah 2: Kurva ROC, AUC & EER

Langkah 3: Sebaran skor & kurva ROC

Selesai!