Pemahaman 3D Scene dari Gambar 2D dalam Computer Vision Oleh WARNO MULUD 1. Pendahuluan Pemahaman tiga dimensi (3D Scene Understanding) merupakan aspek penting dalam Computer Vision modern. Kemampuan sistem untuk merekonstruksi struktur ruang dan kedalaman dari gambar dua dimensi (2D) memungkinkan banyak aplikasi canggih seperti navigasi robotika, Augmented Reality (AR), Virtual Reality (VR), serta kendaraan otonom. Dengan meningkatnya kemampuan komputasi dan kemajuan dalam deep learning, pendekatan baru terus dikembangkan untuk menghasilkan representasi spasial yang semakin akurat dan realistis. 2. Teori dan Metode Untuk memahami lingkungan tiga dimensi dari citra dua dimensi, terdapat beberapa metode utama yang digunakan, antara lain Stereo Vision, Depth Estimation, dan Neural Radiance Fields (NeRF). a. Stereo Vision — Metode ini meniru sistem penglihatan manusia yang menggunakan dua mata. Dengan mengambil dua citra dari sudut pandang berbeda, sistem dapat memperk...
Postingan
Generative AI & Data Sintetik untuk Computer Vision Oleh: WARNO MULUD Abstrak Perkembangan teknologi Computer Vision (CV) sangat bergantung pada ketersediaan data visual yang banyak, bervariasi, dan berkualitas tinggi. Namun, pengumpulan data nyata sering kali mahal, memakan waktu, dan memiliki keterbatasan etika maupun privasi. Generative Artificial Intelligence (Generative AI) , seperti Generative Adversarial Networks (GAN) dan Variational Autoencoders (VAE) , menawarkan solusi dengan menghasilkan data sintetik yang menyerupai data nyata. Makalah ini membahas prinsip dasar Generative AI dalam Computer Vision , teknik pembangkitan data sintetik, manfaat dan tantangannya, serta studi kasus aplikasinya dalam deteksi objek, segmentasi citra, dan pencitraan medis. Dengan adanya data sintetik, pelatihan model CV dapat dilakukan lebih efisien dan adaptif terhadap berbagai kondisi. Kata Kunci: Generative AI, Data Sintetik, Computer Vision, GAN, VAE 1. Pe...
Implementasi Metode Konvolusi untuk Pemfilteran Gambar Menggunakan TensorFlow dan PyTorch
Implementasi Metode Konvolusi untuk Pemfilteran Gambar Menggunakan TensorFlow dan PyTorch Oleh : Warno Mulud Abstrak Pemfilteran gambar merupakan proses penting dalam pengolahan citra digital, digunakan untuk meningkatkan kualitas gambar, mengurangi noise, atau menonjolkan fitur tertentu. Dalam beberapa tahun terakhir, kemajuan teknologi deep learning memberikan pendekatan baru untuk pemfilteran gambar dengan memanfaatkan framework TensorFlow dan PyTorch. Artikel ini membahas konsep dasar pemfilteran gambar serta implementasinya menggunakan TensorFlow/PyTorch, dengan contoh sederhana penerapan filter konvolusi (kernel) untuk mempertajam (sharpening) dan meratakan (blurring) gambar. Kata Kunci: Pemfilteran Gambar, Konvolusi, TensorFlow, PyTorch, Deep Learning. Pendahuluan Pengolahan citra digital memiliki peran yang semakin penting di berbagai bidang, seperti pengenalan wajah, pemantauan cuaca, analisis medis, hingga sistem keamanan. Salah satu tahapan dasa...
Selintas RaspBerry
Raspberry Pi 4B adalah komputer mini yang populer dan sangat serbaguna dengan berbagai fungsi dan aplikasi. Berikut adalah beberapa fungsi utama Raspberry Pi 4B: 1. Komputer Umum untuk Tugas Harian Raspberry Pi 4B dapat digunakan sebagai komputer desktop untuk tugas-tugas harian seperti: • Menjelajahi internet • Menulis dokumen • Mengirim email • Menonton video • Mengedit gambar sederhana Dengan port HDMI ganda, Anda dapat menghubungkan dua monitor sekaligus, memberikan pengalaman multitasking yang lebih baik. 2. Pengembangan dan Pembelajaran Pemrograman Raspberry Pi sering digunakan sebagai alat pembelajaran untuk pemrograman. Anda bisa belajar berbagai bahasa pemrograman, termasuk: • Python • Scratch (untuk pemrograman visual) • C/C++ • JavaScript Banyak platform dan proyek open-source yang tersedia untuk mendukung pembelajaran pemrograman pada Raspberry Pi. 3. Server Berbiaya Rendah Raspberry Pi 4B dapat berfungsi sebagai server kecil untuk berbagai aplikasi sepert...