Non Fiksi
Segera Terbit
Non Fiksi
Segera Terbit
Visi Komputer:
Konsep Dasar, Akuisisi Data, dan Implementasi
Cari Publish Jaya Visi Komputer: di Google
ISBN Cetak
Belum Diajukan
Belum Diajukan
eISBN / ISBN Digital
—
Dalam Proses
Buku CetakHubungi penerbit
Sinopsis
Visi Komputer: Konsep Dasar, Akuisisi Data, dan Implementasi merupakan buku ajar yang membahas bidang visi komputer secara sistematis, mulai dari konsep dasar hingga penerapannya pada berbagai permasalahan nyata. Buku ini disusun sebagai sumber pembelajaran, khususnya bagi mahasiswa Informatika, agar mampu memahami konsep, metode, algoritma, serta implementasi visi komputer.
Pembahasan diawali dengan pengenalan visi komputer dan berbagai penerapannya. Selanjutnya, pembaca diarahkan memahami proses akuisisi data dan penyusunan dataset, termasuk penggunaan sensor dan kamera, karakteristik citra, anotasi, ground truth, kualitas data, serta pembagian data untuk proses pelatihan dan pengujian.
Buku kemudian membahas berbagai teknik pengolahan citra, seperti segmentasi warna dan thresholding, operasi morfologi, konvolusi dan filtering spasial, deteksi tepi, serta ekstraksi fitur berbasis tekstur dan gradien. Teknik ekstraksi fitur yang dibahas antara lain GLCM, LBP, HOG, dan PHOG, yang dapat digunakan sebagai representasi numerik untuk berbagai tugas pengenalan pola dan klasifikasi citra.
Setelah memahami pengolahan dan ekstraksi fitur, pembaca diperkenalkan pada metode klasifikasi menggunakan machine learning tradisional seperti K-NN, ANN, SVM, Extreme Learning Machine, dan Random Forest. Pembahasan kemudian berlanjut pada deep learning menggunakan Convolutional Neural Network (CNN), termasuk convolution layer, activation, pooling, data augmentation, regularisasi, transfer learning, serta analisis overfitting dan underfitting.
Bagian selanjutnya menekankan pentingnya evaluasi model. Buku membahas berbagai metrik seperti accuracy, precision, recall, specificity, F1-score, IoU, Dice coefficient, ROC-AUC, precision-recall curve, dan mAP untuk menilai performa model pada klasifikasi, segmentasi, maupun deteksi objek.
Pada bagian akhir, materi diarahkan pada implementasi visi komputer dalam kasus nyata. Pembaca diajak memahami kebutuhan data, model, perangkat keras, dan perangkat lunak serta bagaimana mengintegrasikan model ke dalam aplikasi berbasis citra atau video, termasuk pada kamera, perangkat bergerak, web, dan perangkat edge. Buku juga memperhatikan aspek bias data, keamanan, privasi, dan etika dalam penerapan visi komputer.
Pembahasan diawali dengan pengenalan visi komputer dan berbagai penerapannya. Selanjutnya, pembaca diarahkan memahami proses akuisisi data dan penyusunan dataset, termasuk penggunaan sensor dan kamera, karakteristik citra, anotasi, ground truth, kualitas data, serta pembagian data untuk proses pelatihan dan pengujian.
Buku kemudian membahas berbagai teknik pengolahan citra, seperti segmentasi warna dan thresholding, operasi morfologi, konvolusi dan filtering spasial, deteksi tepi, serta ekstraksi fitur berbasis tekstur dan gradien. Teknik ekstraksi fitur yang dibahas antara lain GLCM, LBP, HOG, dan PHOG, yang dapat digunakan sebagai representasi numerik untuk berbagai tugas pengenalan pola dan klasifikasi citra.
Setelah memahami pengolahan dan ekstraksi fitur, pembaca diperkenalkan pada metode klasifikasi menggunakan machine learning tradisional seperti K-NN, ANN, SVM, Extreme Learning Machine, dan Random Forest. Pembahasan kemudian berlanjut pada deep learning menggunakan Convolutional Neural Network (CNN), termasuk convolution layer, activation, pooling, data augmentation, regularisasi, transfer learning, serta analisis overfitting dan underfitting.
Bagian selanjutnya menekankan pentingnya evaluasi model. Buku membahas berbagai metrik seperti accuracy, precision, recall, specificity, F1-score, IoU, Dice coefficient, ROC-AUC, precision-recall curve, dan mAP untuk menilai performa model pada klasifikasi, segmentasi, maupun deteksi objek.
Pada bagian akhir, materi diarahkan pada implementasi visi komputer dalam kasus nyata. Pembaca diajak memahami kebutuhan data, model, perangkat keras, dan perangkat lunak serta bagaimana mengintegrasikan model ke dalam aplikasi berbasis citra atau video, termasuk pada kamera, perangkat bergerak, web, dan perangkat edge. Buku juga memperhatikan aspek bias data, keamanan, privasi, dan etika dalam penerapan visi komputer.
Highlight Buku
* Konsep dasar visi komputer dan ruang lingkup penerapannya.
* Akuisisi data dan dataset, termasuk sensor, kamera, anotasi, ground truth, kualitas data, dan pembagian dataset.
* Segmentasi warna dan thresholding untuk memisahkan objek dari latar belakang.
* Operasi morfologi citra untuk membantu pengolahan struktur objek.
* Konvolusi dan filtering spasial untuk penghalusan, pengurangan derau, penajaman, ekstraksi fitur, dan pendeteksian pola.
* Deteksi tepi untuk memperoleh batas dan kontur objek.
* Ekstraksi fitur tekstur dan gradien menggunakan GLCM, LBP, HOG, dan PHOG.
* Klasifikasi citra dengan machine learning melalui K-NN, ANN, SVM, Extreme Learning Machine, dan Random Forest.
* Deep learning dengan CNN, termasuk convolution, activation, pooling, augmentation, regularisasi, dan transfer learning.
* Pembagian data dan K-Fold Cross-Validation untuk memperoleh evaluasi model yang lebih baik.
* Evaluasi model visi komputer menggunakan berbagai metrik, bukan hanya accuracy.
* Deteksi dan pengenalan objek sebagai penerapan visi komputer pada permasalahan nyata.
* Implementasi berbasis Python atau MATLAB untuk menghubungkan teori dengan praktik.
* Etika, privasi, bias, dan keamanan sebagai pertimbangan dalam penerapan sistem visi komputer.
* Pendekatan pembelajaran berbasis praktik, melalui contoh, studi kasus, latihan, dan proyek mini.
* Akuisisi data dan dataset, termasuk sensor, kamera, anotasi, ground truth, kualitas data, dan pembagian dataset.
* Segmentasi warna dan thresholding untuk memisahkan objek dari latar belakang.
* Operasi morfologi citra untuk membantu pengolahan struktur objek.
* Konvolusi dan filtering spasial untuk penghalusan, pengurangan derau, penajaman, ekstraksi fitur, dan pendeteksian pola.
* Deteksi tepi untuk memperoleh batas dan kontur objek.
* Ekstraksi fitur tekstur dan gradien menggunakan GLCM, LBP, HOG, dan PHOG.
* Klasifikasi citra dengan machine learning melalui K-NN, ANN, SVM, Extreme Learning Machine, dan Random Forest.
* Deep learning dengan CNN, termasuk convolution, activation, pooling, augmentation, regularisasi, dan transfer learning.
* Pembagian data dan K-Fold Cross-Validation untuk memperoleh evaluasi model yang lebih baik.
* Evaluasi model visi komputer menggunakan berbagai metrik, bukan hanya accuracy.
* Deteksi dan pengenalan objek sebagai penerapan visi komputer pada permasalahan nyata.
* Implementasi berbasis Python atau MATLAB untuk menghubungkan teori dengan praktik.
* Etika, privasi, bias, dan keamanan sebagai pertimbangan dalam penerapan sistem visi komputer.
* Pendekatan pembelajaran berbasis praktik, melalui contoh, studi kasus, latihan, dan proyek mini.
Buku ini cocok untuk
Semua Umur
Daftar Isi
Kata Pengantar .................................................................... v
Daftar Isi ............................................................................. vi
BAB 1 Pengantar Visi Komputer .......................................... 1
BAB 2 Akuisisi Data dan Dataset Untuk Visi Komputer . 27
BAB 3 Segmentasi Warna Dan Thresholding ................. 50
BAB 4 Operasi Morfologi Citra Pendahuluan ................. 74
BAB 5 Konvolusi dan Filtering Spasial Pada Citra Digital
......................................................................................... 105
BAB 6 Deteksi Tepi Pada Citra Digital 1 ........................ 133
BAB 7 Deteksi Tepi Pada Citra Digital 2 ........................ 161
BAB 8 Ekstraksi Fitur Citra Berbasis Tekstur dan Gradien
......................................................................................... 192
BAB 9 Klasifikasi Citra Tradisional Menggunakan K-Nn, Ann,
dan Svm .......................................................................... 220
BAB 10 Klasifikasi Citra Menggunakan Extreme Learning
Machine Dan Random Forest ........................................ 249
BAB 11 Pembagian Data, Ketidakseimbangan Kelas, dan K-
Fold Cross-Validation ..................................................... 276
BAB 12 Deep Learning Menggunakan Convolutional Neural
Network ........................................................................... 302
BAB 13 Teknik Evaluasi Model Visi Komputer ............... 331
BAB 14 Implementasi Visi Komputer Pada Kasus Nyata:
Deteksi dan Pengenalan Objek ......................................... 365
BAB 15 Implementasi Visi Komputer Pada Kasus Nyata391
Daftar Pustaka ................................................................ 422
Daftar Isi ............................................................................. vi
BAB 1 Pengantar Visi Komputer .......................................... 1
BAB 2 Akuisisi Data dan Dataset Untuk Visi Komputer . 27
BAB 3 Segmentasi Warna Dan Thresholding ................. 50
BAB 4 Operasi Morfologi Citra Pendahuluan ................. 74
BAB 5 Konvolusi dan Filtering Spasial Pada Citra Digital
......................................................................................... 105
BAB 6 Deteksi Tepi Pada Citra Digital 1 ........................ 133
BAB 7 Deteksi Tepi Pada Citra Digital 2 ........................ 161
BAB 8 Ekstraksi Fitur Citra Berbasis Tekstur dan Gradien
......................................................................................... 192
BAB 9 Klasifikasi Citra Tradisional Menggunakan K-Nn, Ann,
dan Svm .......................................................................... 220
BAB 10 Klasifikasi Citra Menggunakan Extreme Learning
Machine Dan Random Forest ........................................ 249
BAB 11 Pembagian Data, Ketidakseimbangan Kelas, dan K-
Fold Cross-Validation ..................................................... 276
BAB 12 Deep Learning Menggunakan Convolutional Neural
Network ........................................................................... 302
BAB 13 Teknik Evaluasi Model Visi Komputer ............... 331
BAB 14 Implementasi Visi Komputer Pada Kasus Nyata:
Deteksi dan Pengenalan Objek ......................................... 365
BAB 15 Implementasi Visi Komputer Pada Kasus Nyata391
Daftar Pustaka ................................................................ 422
REKOMENDASI
