313 ViewsSalah satu model deep learning yang mempunyai keunggulan dalam mengolah data berbasis time series yaitu RNN. Ada banyak jenis RNN seperti many to one yang telah dibahas disini, juga jenis one to one untuk kasus recognition yang telah dibahas disini juga. Belajar RNN untuk kasus Sederhana yang akan kita pelajari disini lebih kepada memanfaatkan… Read More »
361 ViewsRNN mempunyai keunggulan yang tidak dimiliki oleh model CNN yaitu kemampuan untuk menangani data yang bersifat time serial/berbasis waktu yang artinya data yang diolah akan dipengaruhi dari sequence sebelumnya. Sehingga RNN sangat cocok sekali digunakan pada Natural Language Processing, seperti dibahas pada dasar-dasar RNN sebelumnya, saya akan memberikan contoh sederhana untuk kasus yang lain… Read More »
302 ViewsTerdapat beberapa perkembangan yang mencolok dalam ekosistem teknologi visi komputer, namun segmentasi gambar menjadi salah satu yang menonjol. Segmentasi gambar memiliki beragam aplikasi. Hari ini, segmentasi gambar menjadi topik utama yang harus dipahami oleh siapa pun yang bekerja pada proyek computer vision. Artikel hari ini akan menggali lebih dalam mengenai segmentasi gambar, menjelaskan dua… Read More »
391 ViewsBeberapa tahun belakangan ini seiring pertumbuhan bisnis yang beralih ke digital, maka ada ancaman pada dunia digital beralih secara masif ke area mobile application. Saat ini pengguna mobile application yang terbanyak berada di android. Literasi yang rendah mengenai keamaan digital dan kemudahan untuk install aplikasi yang diperoleh dari sumber selain app store memungkinkan ancaman… Read More »
161 ViewsPerbandingan Hasil Segmentasi Otsu vs UNet Deep Learning – Banyak pembahasan dari tugas computer vision, salah hal yang sederhana bagi manusia tapi belum tentu mudah bagi komputer mengingat cara kerjanya berbeda, dimana otak manusia bekerja secara kontinue dan mesin bekerja secara diskrit. Salah satunya yaitu proses segmentasi yaitu memisahkan objek yang dianggap foreground dan… Read More »
172 ViewsSalah satu tantang menarik dalam computer vision yaitu semantic dan instance segmentation. Biasanya untuk tugas tersebut menggunakan model YOLO-7/detectron atau Mask R-CNN. Semantic Segmentation: Semantic segmentation adalah tugas computer vision yang bertujuan untuk memahami dan memetakan setiap piksel dalam gambar ke kelas atau kategori yang tepat. Dalam konteks ini, “semantik” mengacu pada makna atau… Read More »
220 Viewsapa perbedaan dekomposisi dan transformasi wavelet – Bila kita menilik lebih jauh menggunakan package pywavelet ada 2 fungsi yaitu dwt2 dan wavedec2. Keduanya merupakan penerapan wavelet untuk 2 dimensi. Mari kita coba satu – persatu dengan pertanyan dari multi level wavelet dan bagaimana penerapannya nanti. Sesuai dokumentasi dari pywavelet sebagai berikut Fungsi dwt2 Single-level… Read More »
146 ViewsPenggunaan wavelet pada image processing banyak digunakan saat ini terutama pada proses ciri fitur untuk mengurangi noise/derau. Salah satu library yang terkenal yaitu pywavelet. PyWavelet mengadopsi operasi matrix berbasis numpy. Namun bila bekerja pada deep learning berbasis tensor alih-alih menggunakan numpy. Tapi jangan kuatir, saat ini sudah ada yang membuat package pywavelet berbasis tensor… Read More »
192 ViewsPada postingan sebelumnya telah dibahas mengenai jenis noise yang sering dijumpai secara umum yaitu salt noise. Salt noise cukup mengganggu sekali oleh sebab itu ada beberapa cara yang bisa kita gunakan. Salah satunya yaitu dekomposisi wavelet. Pembahasan mengenai transformasi wavelet bisa kalian pelajari sendiri di google. Untuk mensimulasikan Dekomposisi Wavelet untuk mengurangi Noise Gambar… Read More »
237 ViewsDalam pengolahan gambar, tidak jarang kita menghadapi masalah yang disebabkan oleh noise, gangguan kecil yang dapat merusak kualitas visual sebuah gambar. Salah satu jenis noise yang umum ditemui adalah salt noise, yang dapat membuat gambar terlihat seperti dipenuhi titik-titik terang yang acak. Salt noise, juga dikenal sebagai salt-and-pepper noise, adalah jenis noise yang ditandai… Read More »