Scribd
Unggah
191 tayangan7 halaman

Kelompok 1 Computer Vision

Dokumen ini membahas tentang image classification yang meliputi penjelasan tentang image classification, penerapannya seperti object detection, object tracking, semantic segmentation, dan instance segmentation. Juga dijelaskan konsep-konsep terkait seperti object detection, object tracking, semantic segmentation, dan instance segmentation. Terakhir dijelaskan algoritma yang digunakan dalam image classification yaitu viola-jones dan LBPH (Local Binary Pattern Histograms).

Diunggah oleh

Arham MuhammadRamdhan
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
191 tayangan7 halaman

Kelompok 1 Computer Vision

Dokumen ini membahas tentang image classification yang meliputi penjelasan tentang image classification, penerapannya seperti object detection, object tracking, semantic segmentation, dan instance segmentation. Juga dijelaskan konsep-konsep terkait seperti object detection, object tracking, semantic segmentation, dan instance segmentation. Terakhir dijelaskan algoritma yang digunakan dalam image classification yaitu viola-jones dan LBPH (Local Binary Pattern Histograms).

Diunggah oleh

Arham MuhammadRamdhan
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 7

IMAGE CLASSIFICATION

OLEH:
KELOMPOK 1
-AGUSTIAN NUR M
-ARHAM M RAMDHAN
-HELMI TRI LESMANA
-IYAN SUGIARTO
-TIA MURTIANINGSIH
iMAGE CLASSIFICATION
Penjelasan
Image classification adalah mengelompokkan objek
berdasarkan class (kelas) tertentu. Sehingga kita
dapat mengenali objek. Klasifikasi gambar mengacu
pada tugas penggalian kelas informasi dari gambar
raster multiband.

Raster yang dihasilkan dari klasifikasi citra dapat digunakan


untuk membuat peta tematik. Bergantung pada interaksi
antara analis dan komputer selama klasifikasi, ada dua jenis
klasifikasi: supervised dan unsupervised.
2. Penerapan
Ada beberapa penerapan image Classification yaitu ada 4
penerapan yang dimana yaitu ada :

Object Detection Pelacakan Objek Segmentasi Sematik Instance Segmentation


(Object Tracking) (Semantic Segmentation)

3. Jurnal dan penjelasan konsep

Object Detection
1 Image Classification adalah pengkategorian suatu gambar ke dalam suatu kategori tertentu. Image
Localisation adalah pengembangan dari tugas tersebut, dimana output yang dihasilkan tidak lagi berupa
kategori/kelas dari gambar tersebut, tetapi letak dari objek kelas tersebut dalam gambar tersebut,
umumnya dalam bentuk bounding box. Object Detection adalah klasifikasi dan lokalisasi untuk
beberapa objek dalam satu gambar berikut

Pelacakan Objek (Object Tracking)


2
Object tracking umum digunakan untuk analisis video dan observasi real-world interactions.
Di era dimana AI sudah tidak asing lagi, object tracking juga mulai diaplikasikan untuk
teknologi seperti autonomous driving systems. Metode object tracking sendiri dapat dibagi
kedalam dua kategori berdasarkan model observasi yang digunakan, generative method
dan discriminative method.
3. Jurnal dan penjelasan konsep
Segmentasi Sematik (Semantic Segmentation)
3 Segmentasi gambar merupakan salah satu aplikasi mendasar di bidang computer vision.
Secara umum, segmentasi gambar adalah proses “memisahkan” sebuah gambar utuh
menjadi beberapa grup-grup pixel yang kemudian dapat di kategorikan. Atau dengan
kata lain, proses untuk memahami peran dari tiap-tiap pixel dalam sebuah gambar.

Instance Segmentation
4 Segmentasi instan adalah tugas visi komputer untuk mendeteksi dan melokalisasi objek
dalam gambar. Segmentasi instan adalah urutan alami dari segmentasi semantik, dan juga
merupakan salah satu tantangan terbesar dibandingkan dengan teknik segmentasi lainnya.
Tujuan dari segmentasi instance adalah untuk mendapatkan tampilan objek dari kelas yang
sama yang dibagi menjadi beberapa instance yang berbeda.
4. Algoritma
Analisis algoritma di lakukan untuk dapat mengetahui alur proses dari algoritma yang digunakan dan dapat diterapkan kedalam system
perangkat lunak. Dalam proses pengidentifikasian ini menggunakan library dalam OpenCV. Pada pendeteksian jenis burung pada
perangkat lunak ini digunakan metode yaitu viola-jones. Serta dibantu oleh algoritma Local Binari Pattern Histograms (LBPH) untuk
pelabelan gambar (image recognition). Berikut ini adalah tahap-tahap yang dilakukan untuk mendeteksi jenis burung, yaitu:
TERIMA KASIH

Anda mungkin juga menyukai