Image Processing & Computer Vision Video Series

Hallo teman-teman semuanya! 

Di post ini, saya akan membagikan video series yang akan membahas materi image processing dan computer vision. Video series ini akan membahas detail teorinya, kemudian di sesi berikutnya diikuti dengan praktek implementasi di pemrograman C++ menggunakan libary OpenCV.

Materi diadopsi dari bukunya Gonzales “Digital Image Processing” dari Chapter 1 hingga Chapter 12, yaitu Object Detection, ditambah dengan beberapa topik computer vision, seperti stereo vision. Adapun slide dan code-nya tersedia di link Github di sini. Slide dan code tersebut dapat digunakan secara gratis, baik untuk referensi perkuliahan hingga untuk self-study, dengan tetap mencantumkan sumbernya.

Semoga video series ini membantu teman-teman dalam memahami image processing dan computer vision, dan ikut membantu tumbuhnya iklim science & engineering di Indonesia. Salam 🙂

Understanding How Mask RCNN Works for Semactic Segmentation

Mask RCNN is extension of Faster RCNN. In 2017, this is the state-of-the-art method for object detection, semantic segmentation and human pose estimation. This awesome research is done by Facebook AI Research.  This post provides video series talking about how Mask RCNN works, in paper review style. May it helps.

1. Introduction to MNC, FCIS ad Mask RCNN for Instance Aware Semantic Segmentation

Understanding Faster R-CNN for Object Detection

Faster R-CNN is important research in object detection. It inspires many other methods how we can do object detection using deep learning, such as YOLO, SSD (Single Shot Detector) and so on. This post provides video series of how Faster RCNN works. The video series is made in paper review style. Hope it helps 🙂

1. Introduction to Faster R-CNN

Tutorial Compile OpenCV 32-bit Menggunakan CMake & Visual Studio

Saat kita mendownload installer OpenCV di website resminya lalu menginstallnya/mengekstraknya, kita akan mendapatkan dua folder utama, yaitu build dan sources. Folder build adalah library yang langsung bisa kita gunakan, sedangkan folder sources adalah library mentah yang bisa kita build sesuai dengan spesifikasi yang kita inginkan, misalnya untuk digunakan di OS 32-bit atau 64-bit, untuk digunakan di Visual Studio, untuk digunakan di CodeBlock, dan lain-lain.

Kenapa harus ada folder build dan sources? Karena kebutuhan user bermacam-macam, dan OpenCV hanya menyediakan pre-build libary yang 64-bit saja. Kenapa OpenCV tidak menyediakan pre-build untuk semua tipe? Karena akan banyak macamnya, dan akan menjadikan ukuran filenya menjadi sangat besar. Sehingga disediakan folder sources agar user dapat mem-build OpenCV sesuai dengan kebutuhan masing-masing.

Pada kesempatan kali ini, saya akan membagikan tutorial tentang cara bagaimana mengcompile OpenCV 32-bit menggunakan CMake dan Visual Studio. Sekali lagi, karena jika kita ingin menggunakan OpenCV di OS 32-bit, kita juga harus menggunakan library OpenCV yang 32-bit dan library versi 32-bit tidak tersedia pre-build dari website resmi OpenCV. Berikut ini adalah step-by-stepnya :

Tutorial Install OpenCV 3.3 pada Visual Studio 2017

OpenCV adalah library image processing & computer vision yang saat ini paling terkenal dan banyak digunakan. Alasannya komunitas pengembang OpenCV yang sangat aktif, free, serta memuat banyak sekali algoritma-algoritma image processing & computer vision, seperti face detection, edge detection, SIFT, stereo vision, konvolusi menggunakan filter window, dan masih banyak lainnya. Gambar di bawah ini beberapa contohnya.

SIFT(kiri) & face detection (kanan)

object tracing

Menggunakan deep learning, dapat melakukan segementasi dan pengenalan objek

Banyak hal keren yang bisa dilakukan bukan? Pada kesempatan kali ini, saya akan membagikan tutorial cara instalasi OpenCV 3.3 pada Visual Studio 2017. Kita akan mengunakan Visual Studio 2017 versi Community, sehingga free dan legal. Pada kesempatan kali ini, saya menggunakan Windows 7 64-bit. Berikut ini adalah step-by-stepnya :