RPS Computer Vision SK mohiqbal

(1)

RENCANA PEMBELAJARAN SEMESTER

PROGRAM STUDI SISTEM KOMPUTER

–

UNIVERSITAS GUNADARMA

Tanggal Penyusunan

15/MARET/2018

Tanggal revisi

Fakultas

Ilmu Komputer dan Teknologi Informasi

Program Studi

Sistem Komputer Kode Prodi: ...

Jenjang

S1 (Sarjana)

Kode dan Nama MK

Computer Vision

SKS dan Semester

SKS

3 Semester

7 (Tujuh)

Prasyarat

Sem.2 : Matematika lanjut, Statistika dan Probabilitas, Sem.4 : Fisika optik,

Sem.6 : Pemrograman multimedia, Sistem Kecerdasan Buatan, Jaringan

Komputer dasar dan Lanjut , Pengolahan Citra

Status Mata Kuliah

[



] Wajib [... ] Pilihan

Dosen Pengampu

Dr. Mohammad Iqbal, SKom, MMSI.

Capaian

Pembelajaran

Mata Kuliah

Sikap

Berdasarkan (Permen_Dikbud_49_2014_pasal_6 -1).

Ketrampilan

Umum

- Mampu menerapkan pemikiran logis, kritis, inovatif, bermutu dan

terukur dalam konteks pengembangan atau implementasi ilmu pengetahuan dan teknologi yang sesuai dengan bidang keahliannya dalam Sistem Komputer

- Mampu menunjukkan kinerja mandiri, bermutu dan terukur - Mampu mengkaji implikasi pengembangan atau implementasi

IPTEK sesuai dengan keahliannya berdasarkan kaidah, tata cara dan etika ilmiah, dalam rangka meghasilkan solusi.

- Mampu mendeskripsikan secara saintifik sesuai hasil kajiannya

dalam bentuk laporan teknik

Pengetahuan

Menguasai konsep, teori, metode, teknik/algoritma dalam bidang Computer Vision secara sistematis, yang diperoleh melalui penalaran dalam proses pembelajaran, pengalaman kerja dan penelitian yang terkait dengan pembelajaran.

Ketrampilan

Khusus

Mampu menganalisis, mengevaluasi, memilih dan mengkonfigurasi beragam sistem Computer Vision yang digunakan untuk mengelola sumber daya sebagai alat teknologi yang mempermudah, mempercepat serta memperluas hasil produksi.

Deskripsi Umum

(Silabus)

Mata kuliah ini secara umum berisi materi mengenai : pengenalan umum sistem Computer Vision, elemen-elemen penyusunnya, teknik desain Sistem Computer Vision dan metode pengontrolan sensor visual melalui jaringan internet. Dalam kuliah ini juga diberi contoh implementasi kendali peralatan penunjang Computer Vision.

Metode

Pembelajaran

1. Ceramah/Kuliah Pakar



4. Praktik Laboratorium

...

2. Problem Based Learning/FGD

... 5. Self-Learning (V-Class)



3. Project Based Learning

... 6. Lainnya: Discovery Learning



Pengalaman

Belajar/Tugas

a.

Tayangan Presentasi



c.

Online exercise/kuiz (V-class)



b.

Review textbook/Jurnal

... d.

Laporan



e.

Lainnya: ...

Referensi / Sumber

Belajar

(1)

Computer Vision: Algorithms and Applications, Richard Szeliski

(2)

Computer Vision - A modern approach, D. Forsyth and J. Ponce, Prentice Hall

(3)

Multiple View Geometry in Computer Vision, Hartley & Zisserman

(4)

Learning OpenCV Computer Vision in C++ with the OpenCV Library, Adrian

Kaehler, Gary Bradski ,

O’Reilly Media, 2013

(5)

Beginning Kinect Programming with the Microsoft Kinect SDK, Jarrett Webb,

James Ashley , 2012

(6)

https://www.cc.gatec h.edu/~hays/compvision/

(7)

https://cs.brown.edu/courses/csci1430/

(2)

Minggu Kemampuan Akhir yang Diharapkan

Bahan Kajian (Materi Pelajaran) Metode/Bentuk Pembelajaran

Waktu Belajar (Menit)

Kriteria Penilaian (Indikator)

Bobot Nilai (%)

Sumber belajar

1. - Mengetahui, memahami

dan menjelaskan tentang Definisi Computer Vision, Lingkup pengajaran dan penelitian terkait Computer Vision

Pengenalan Tentang Disiplin Ilmu Computer Vision

1. Disiplin Ilmu terkait : Image Processing, Computer Graphics, Pattern Recognition, Robotics, Artificial Intelligence

2. Lingkup Computer Vision: a.Low Level Vision

1.Measurements 2.Enhancements 3.Region segmentation 4.Features

b.Mid Level Vision 1.Reconstruction 2.Depth

3.Motion Estimation c.High Level Vision

1.Category detection 2.Activity recognition 3.Deep understandings

- Ceramah

- Discovery Learning

2x170 menit Kuis

Dimensi : Pemahaman

Penilaian kompetensinya :

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

2 % 1 : 2 : 3 : 4 :

dan menjelaskan tentang Definisi Computer Vision, Lingkup pengajaran dan penelitian terkait Computer Vision

Pengenalan Tentang Computer VIsion:

1. Tantangan pada Computer Vision :  variasi view point  Iluminasi

 Penghalang (Occlusion)

 Skala

 Deformasi

 Background clutter  variasi intra-class obyek  Ambigu lokal

 Dunia dibalik citra 2. Aplikasi Computer Vision :

 Deteksi wajah --> deteksi senyum  Pengenalan obyek

 Keamanan : keselamatan dalam otomotif  interaksi berbasis video

 Augmented realiti  spesial efek  Robotik vision  Medical Imaging

 Vision dalam riset saintifik

- Ceramah

- Discovery Learning - Diskusi kelompok

(Aplikasi Computer Vision)

2x170 menit Laporan dan Komunikasi Dimensi :

1. Kelengkapan laporan 2. Kebenaran laporan 3. Komunikasi tertulis

3a. Bahasa paper 3b. Kerapian paper 4. Komunikasi lisan

4a. Isi 4b. Organisasi 4c. Gaya presentasi

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

(3)

3. - Mengetahui, memahami dan menjelaskan Tentang dasar-dasar sistem computer imaging

Image Formation and Filtering (Bagian 1)

1. Kamera dan Sistem optik

2. Cahaya dan Warna

- Ceramah

(untuk materi Kamera dan sistem optik)

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

8% 1 : 1,3 2 : 2

dan menjelaskan Tentang dasar-dasar sistem computer imaging

Image Formation and Filtering (Bagian 2)

3. Image Filtering 4. Frekuensi Domain 5. Segmentation and Grouping 6. Image piramid dan aplikasinya

- Ceramah

- Discovery Learning

2x170 menit Kuis

Dimensi : Pemahaman

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

Laporan dan Komunikasi Dimensi :

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

(4)

5. - Mengetahui, memahami dan menjelaskan teknik Deteksi fitur pada citra dan teknik Matching dalam membandingkan fitur tersebut.

Feature Detection and Matching (Bagian 1)

1. Deteksi tepi (edge) 2. Interest Point dan corners 3. Local image features

4. Corner and Blob Detection, Descriptor

- Ceramah

(Local Image features)

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

5% 1 : 1,2 2 : 2,3 3 : 1,3 4 : 1,2, 4

dan menjelaskan teknik Deteksi fitur pada citra dan teknik Matching dalam membandingkan fitur tersebut.

Feature Detection and Matching (Bagian 2)

5. Principal component analysis 6. Feature matching and hough transform 7. Model fitting and RANSAC

- Ceramah

- Discovery Learning - Tugas terstruktur

(Mengumpulkan teknik matching fitur)

3a. Bahasa paper 3b. Kerapian paper

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

5%

dan menjelaskan teknik vision menggunakan lebih dari satu view

Multiple Views Geometry dan Stereo Vision

1. Stereo vision 2. Kalibrasi Kamera

3. Epipolar geometri dan structure from motion 4. Stereo Correspondence

5. Feature tracking and optical flow

- Ceramah

(melakukan stereo correspondence dari dua citra)

3a. Bahasa paper 3b. Kerapian paper

- Sangat memuaskan

- Memuaskan

(5)

- Batas

- Kurang memuaskan

- Di bawah standar

8. - Memahami dan

menjelaskan metode dan teknik menganalisis gerakan

Deteksi Motion

1. Motion estimation 2. Structure from motion 3. Feature tracking 4. Optical flow

5. object tracking : Kalman filter dan Particle filter

- Ceramah

(membuat program deteksi gerakan)

2x170 menit Kuis

Dimensi : Pemahaman

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

5%

9. - Memahami dan

menjelaskan prinsip-prinsip visual recognition

Visual Recognition (Bagian 1)

1. Pengenalan tentang Visual Recognition dan metode bag of features

2. Deteksi menggunakan sliding windows : viola jones dan Dalal Triggs

3. large scale instance Recognition

- Ceramah

(Studi kasus tentang large scale instance Recognition )

2x170 menit Kuis

Dimensi : Pemahaman

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

1. Kelengkapan

laporan

(6)

2. Kebenaran laporan 3. Komunikasi tertulis

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

10. - Memahami dan

menjelaskan prinsip-prinsip visual recognition

Visual Recognition (Bagian 2)

4. Large-scale Scene Recognition dan Advanced Feature Encoding

5. Pascal VOC and Big Data

6. Crowdsourcing and Human Computation

7. modern boundary detection

- Ceramah

(Studi Kasus pada Modern boundary detection)

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

8%

UJIAN TENGAH SEMESTER

11. - Memahami dan

menjelaskan prinsip-prinsip dasar machine learning dan klasifikasi metode-metode dalam machine learning

Machine Learning

1. Machine learning intro and clustering 2. Machine learning classification

- Ceramah

(Perkembangan teknologi Machine learning)

1. Kelengkapan

laporan

2. Kebenaran laporan 3. Komunikasi tertulis

(7)

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

12. - Memahami dan

menjelaskan definisi dan prinsip-prinsip penerapan deep learning dalam bidang computer vision

Deep Learning (Bagian 1)

1. Dasar Neural network 2. Convolutional Neural Network 3. Training Neural Network

- Ceramah

(teknik Training Neural Network untuk mengenali obyek pada citra)

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

7%

13. - Memahami dan

menjelaskan definisi dan prinsip-prinsip penerapan deep learning dalam bidang computer vision

Deep Learning (Bagian 2)

4. Structured Output dari Deep Network 5. "Unsupervised" Learning dan

Colorization

- Ceramah

(Menyusun Structured Output dari suatu Deep Network)

(8)

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

14. - Memahami dan

merancang aplikasi computer vision menggunakan alat bantu perangkat lunak

Alat bantu Pemrograman Computer Vision

1. Image processing dan analisis menggunakan Matlab 2. Pendahuluan OpenCV

3. Ektrak Fitur menggunakan OpenCV 4. Deteksi obyek menggunakan OpenCV 5. Microsoft Kinect SDK

6. Face tracking SDK

- Ceramah

(Menerapkan aktivitas deteksi dan pengenalan obyek melalui citra memanfaatkan perangkat lunak bantu)

- Sangat memuaskan

- Memuaskan

- Batas

- Kurang memuaskan

- Di bawah standar

13 %