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/
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 :
2. - Mengetahui, memahami
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
Penilaian kompetensinya :
- Sangat memuaskan
- Memuaskan
- Batas
- Kurang memuaskan
- Di bawah standar
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
- Discovery Learning - Diskusi kelompok
(untuk materi Kamera dan sistem optik)
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
Penilaian kompetensinya :
- Sangat memuaskan
- Memuaskan
- Batas
- Kurang memuaskan
- Di bawah standar
8% 1 : 1,3 2 : 2
4. - Mengetahui, memahami
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
Penilaian kompetensinya :
- Sangat memuaskan
- Memuaskan
- Batas
- Kurang memuaskan
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
Penilaian kompetensinya :
- Sangat memuaskan
- Memuaskan
- Batas
- Kurang memuaskan
- Di bawah standar
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
- Discovery Learning - Diskusi kelompok
(Local Image features)
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
Penilaian kompetensinya :
- Sangat memuaskan
- Memuaskan
- Batas
- Kurang memuaskan
- Di bawah standar
5% 1 : 1,2 2 : 2,3 3 : 1,3 4 : 1,2, 4
6. - Mengetahui, memahami
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)
2x170 menit Laporan dan Komunikasi Dimensi :
1. Kelengkapan laporan 2. Kebenaran laporan 3. Komunikasi tertulis
3a. Bahasa paper 3b. Kerapian paper
Penilaian kompetensinya :
- Sangat memuaskan
- Memuaskan
- Batas
- Kurang memuaskan
- Di bawah standar
5%
7. - Mengetahui, memahami
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
- Discovery Learning - Tugas terstruktur
(melakukan stereo correspondence dari dua citra)
2x170 menit Laporan dan Komunikasi Dimensi :
1. Kelengkapan laporan 2. Kebenaran laporan 3. Komunikasi tertulis
3a. Bahasa paper 3b. Kerapian paper
Penilaian kompetensinya :
- Sangat memuaskan
- Memuaskan
- 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
- Discovery Learning - Tugas terstruktur
(membuat program deteksi gerakan)
2x170 menit Kuis
Dimensi : Pemahaman
Penilaian kompetensinya :
- Sangat memuaskan
- Memuaskan
- Batas
- Kurang memuaskan
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
Penilaian kompetensinya :
- 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
- Discovery Learning - Diskusi kelompok
(Studi kasus tentang large scale instance Recognition )
2x170 menit Kuis
Dimensi : Pemahaman
Penilaian kompetensinya :
- Sangat memuaskan
- Memuaskan
- Batas
- Kurang memuaskan
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
Penilaian kompetensinya :
- 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
- Discovery Learning - Diskusi kelompok
(Studi Kasus pada Modern boundary detection)
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
Penilaian kompetensinya :
- 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
- Discovery Learning - Diskusi kelompok
(Perkembangan teknologi Machine learning)
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
Penilaian kompetensinya :
- 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
- Discovery Learning - Diskusi kelompok
(teknik Training Neural Network untuk mengenali obyek pada citra)
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
Penilaian kompetensinya :
- 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
- Discovery Learning - Tugas terstruktur
(Menyusun Structured Output dari suatu Deep Network)
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
Penilaian kompetensinya :
- 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
- Discovery Learning - Tugas terstruktur
(Menerapkan aktivitas deteksi dan pengenalan obyek melalui citra memanfaatkan perangkat lunak bantu)
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
Penilaian kompetensinya :
- Sangat memuaskan
- Memuaskan
- Batas
- Kurang memuaskan
- Di bawah standar
13 %