• Introduction

    GREETING

    Assalammualaikum wr, wb, Hallo teman-teman Cvisioner!!

    Selamat datang dan selamat bergabung pada matakuliah Computer Vision.
    Matakuliah IFB-301 Computer Vision ini merupakan matakuliah wajib di Program Studi Informatika, Fakultas Teknologi Industri, Institut Teknologi Nasional Bandung yang diselenggarakan di semester ganjil atau tepatnya di semester 5. Bobot matakuliah Computer Vision adalah 3 SKS.

    Perkenalkan saya Irma Amelia Dewi, selama satu semester ini akan menemai teman-teman Cvisioner untuk lebih memahami tidak hanya konsep dari metode-metode computer vision tetapi juga implementasinya di bidang industri.

    Pembelajaran yang diterapkan merupakan collaborative learning dan active learning, mengajak CVisioner terlibat secara partisipasi aktif dalam diskusi/small group discussion, group activity dalam menyelesaikan case study, problem-based yang berasal dari dunia usaha dan dunia industri (DUDI). Jika teman-teman Cvisioner memiliki pertanyaan atau kebutuhan, jangan ragu untuk menghubungi saya melalui platform ini. Saya selalu siap membantu teman-teman dalam proses pembelajaran ini.

    Jadi, mari kita mulai! Siapkan diri Anda untuk menggali ilmu baru, berdiskusi, dan menjalani pengalaman pembelajaran yang luar biasa.

    Terima kasih telah bergabung, dan saya berharap kita akan memiliki waktu yang sangat bermanfaat bersama. Selamat belajar!"

  • Pertemuan 7-Chain Code and HOG| Shape and OerientationFeature descriptor

    Greeting

    Selamat datang teman-teman CVisioner pada pertemuan ke-tujuh Computer Vision. Pada pertemuan ini  teman-teman CVisioner diharapkan dapat mengekstraksi fitur berdasarkan bentuk. Pada pertemuan ini akan dibahas image feature extraction berdasarkan warna bentuk menggunakan Chain code. Semoga teman-teman CVisioner dalam keadaan sehat dan semangat mempelajari materi di pertemuan ke-enamini. 

    Deskripsi Materi

    Chain code

    Shape feature descriptor mengekstraksi fitur bentuk dari contour objek seperti luas, keliling, eksentrisitas, kebulatan, dll. Digunakan dalam object recognition untuk membedakan objek berdasarkan bentuknya.

    Chain code merupakan representasi kompak dari batas/contour suatu objek 2D pada citra digital. Chain code menyimpan informasi geometris kontur dengan cara memetakan arah perubahan titik-titik piksel pembentuk kontur relatif terhadap titik sebelumnya.

    Histogram of Oriented Gradients (HOG)

    Orientation feature extraction adalah teknik ekstraksi fitur pada citra digital yang bertujuan untuk menangkap informasi orientasi atau arah gradient intensitas piksel pada citra. HOG (Histogram of Oriented Gradients) adalah metode feature extraction yang bekerja dengan membagi citra menjadi beberapa cell, lalu menghitung histogram arah gradient pada masing-masing cell. Hasilnya digabungkan menjadi descriptor HOG untuk merepresentasikan distribusi arah gradient pada area citra tersebut.

    Sub-Capaian Pembelajaran MataKuliah (Sub-CPMK)

    Sub-CPMK 3: Mahasiswa dapat mengidentifikasi fitur berdasarkan objek citra  dan menerapkan teknik ekstraksi fitur dalam pemrosesan gambar berdasarkan ciri bentuk/geometri, tekstur, warna, descriptor visual, depth, orientasi atau fitur lainnya sesuai dengan kebutuhan image yang banyak digunakan di industri atau DUDI

    Indikator Capaian Pembelajaran

    1. Mahasiswa mampu menjelaskan cara kerja chain code untuk ekstraksi fitur bentuk dari citra digital dan HOG untuk ekstraksi fitur berdasarkan orientasi.
    2. Mahasiswa mampu menghitung shape feature descriptor seperti luas, keliling, rasio, kebulatan, dll dari contour objek.
    3. Mahasiswa mampu menerapkan chain code dan shape descriptor menggunakan library pemrograman Python dan OpenCV.
    4. Mahasiswa mampu menerapkan HOG dan orientation descriptor menggunakan library pemrograman Python dan OpenCV.

    Skenario Pembelajaran 

    Matakuliah Computer Vision diselenggarakan dengan menggunakan model pembelajaran flipped classroom. Mahasiswa mempelajari materi pembelajaran baik handout, video pembelajaran, modul praktek pemrograman diluar jam perkuliahan sebelum kelas dimulai. Teman-teman CVisioner setelah mempelajari terlebih dahulu materi mengenai feature extraction berdasarkan bentuk menggunakan chain code dan berdasarkan orientasi menggunakan HOG dan modul pemrograman dengan metode HOG yang dapat teman-teman praktekkan menggunakan Google Colaboratory. 

    Sebelum pertemuan (90 menit):

    1. Mahasiswa menonton video materi Chain Code dan Histogram of Oriented Gradient selama 30 menit. Video berisi penjelasan konsep dasar dan contoh penerapan.
    2. Mahasiswa membaca handout dan modul praktik yang disediakan dosen selama 30 menit. Handout berisi ringkasan materi dan modul praktik berisi panduan coding.

    Saat pertemuan (120 menit) menerapkan Metode Jigsaw:

    1. Kelas dibagi menjadi 5-6 kelompok asal yang beranggotakan 5-6 mahasiswa. Masing-masing anggota dalam satu kelompok bertanggung jawab mempelajari sub materi yang berbeda (25 menit).
    2. Kelompok ahli dibentuk, terdiri dari anggota dari tiap kelompok asal yang bertanggung jawab untuk sub materi yang sama. Mereka mendiskusikan sub materi tersebut (30 menit).
    3. Mahasiswa kembali ke kelompok asal dan bergantian mengajar teman satu kelompok tentang sub materi yang mereka kuasai (30 menit).
    4. Evaluasi pembelajaran oleh dosen dan mahasiswa, rangkuman, umpan balik (20 menit).
    5. Tes individual dilakukan melalui kuis/ujian untuk menilai pemahaman materi dan kontribusi masing-masing pada diskusi kelompok (15 menit).

Previous section
Pertemuan 6-Color Based: Color histograms & color moments|Feature Extraction
Next section
Pertemuan 8-Ujian Tengah Semester (UTS)