1. Home
  2. Lainnya

RPS Computer Vision SK mohiqbal

  

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.

  • 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

  Ketrampilan Umum

  • Mampu mengkaji implikasi pengembangan atau implementasi

  Capaian Pembelajaran Mata Kuliah Sikap Berdasarkan (Permen_Dikbud_49_2014_pasal_6 -1).

  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

  3 % 1 : 2 :

  2.

  Batas

  Penilaian kompetensinya :

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

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

  Kelengkapan laporan 2. Kebenaran laporan 3. Komunikasi tertulis

  Dimensi : 1.

  2x170 menit Laporan dan Komunikasi

  (Aplikasi Computer Vision)

  Discovery Learning

   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

  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 :

  Pengenalan Tentang Computer VIsion: 1.

  2 % 1 : 2 : 3 : 4 :

  • Sangat memuaskan
  • Memuaskan -
  • Kurang memuaskan

  Batas

  Dimensi : Pemahaman Penilaian kompetensinya :

  2x170 menit Kuis

  • Ceramah -

  Discovery Learning

  Category detection 2. Activity recognition 3. Deep understandings

  Reconstruction 2. Depth 3. Motion Estimation c. High Level Vision 1.

  Measurements 2. Enhancements 3. Region segmentation 4. Features b. Mid Level Vision 1.

  Low Level Vision 1.

  Disiplin Ilmu terkait : Image Processing, Computer Graphics, Pattern Recognition, Robotics, Artificial Intelligence 2. Lingkup Computer Vision: a.

  Pengenalan Tentang Disiplin Ilmu Computer Vision 1.

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

  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

  • Ceramah -
  • Mengetahui, memahami dan menjelaskan tentang Definisi Computer Vision, Lingkup pengajaran dan penelitian terkait Computer Vision
  • Diskusi kelompok
  • Sangat memuaskan
  • Memuaskan -
  • Kurang memuaskan
  • Di bawah standar
  • Image Formation and Filtering (Bagian 1)

  3. - Mengetahui, memahami

  Ceramah 2x170 menit Laporan dan Komunikasi 8% 1 : 1,3 dan menjelaskan Discovery Learning

  • Dimensi : 2 : 2

  Tentang dasar-dasar 1.

  • sistem computer

  Kamera dan Sistem optik Diskusi kelompok 1.

  Kelengkapan laporan

  2. (untuk materi Cahaya dan Warna 2.

  Kebenaran laporan imaging Kamera dan sistem 3.

  Komunikasi tertulis optik) 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
  • Image Formation and Filtering (Bagian 2) -

  4. - Mengetahui, memahami

  Ceramah 2x170 menit Kuis 13% 1 : 1,2

  • dan menjelaskan

  Discovery Learning Dimensi : Pemahaman 2 : 2,3 Tentang dasar-dasar 3.

  Image Filtering sistem computer

  4. Frekuensi Domain Penilaian kompetensinya : imaging

  • 6. Image piramid dan aplikasinya

  5. Segmentation and Grouping Sangat memuaskan

  Memuaskan

  • Batas -
  • Laporan dan Komunikasi

  Kurang memuaskan

  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

  • Ceramah -
  • Diskusi kelompok
  • Sangat memuaskan
  • Memuaskan -

  • Kurang memuaskan
  • Di bawah standar
  • Ceramah -
  • Tugas terstruktur
  • Sangat memuaskan
  • Memuaskan -
  • Kurang memuaskan
  • Di bawah standar

  Dimensi : 1.

  Kelengkapan laporan 2. Kebenaran laporan 3. Komunikasi tertulis

  3a. Bahasa paper 3b. Kerapian paper

  Penilaian kompetensinya :

  Batas

  5% 7.

  Multiple Views Geometry dan Stereo Vision 1.

  Stereo vision

  3. Epipolar geometri dan structure from motion 4.

  2. Kalibrasi Kamera

  Stereo Correspondence 5. Feature tracking and optical flow

  Discovery Learning

  (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 :

  2x170 menit Laporan dan Komunikasi

  Discovery Learning

  (Mengumpulkan teknik matching fitur)

  Dimensi : 1.

  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

  Discovery Learning

  (Local Image features)

  2x170 menit Laporan dan Komunikasi

  Kelengkapan laporan 2. Kebenaran laporan 3. Komunikasi tertulis

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

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

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

  Penilaian kompetensinya :

  Batas

  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.

  8%

  • Ceramah -
  • Mengetahui, memahami dan menjelaskan teknik vision menggunakan lebih dari satu view
  • Tugas terstruktur
  • Sangat memuaskan
  • Memuaskan

  Batas

  • Kurang memuaskan
  • Di bawah standar
  • Deteksi Motion
  • 2x170 menit Kuis 5%

8. Memahami dan

  Ceramah

  menjelaskan metode dan Discovery Learning

  • Dimensi : Pemahaman teknik menganalisis 1.
  • gerakan

  Motion estimation Tugas terstruktur

  2. (membuat program Structure from motion

  Penilaian kompetensinya : 3. deteksi gerakan)

  Feature tracking Sangat memuaskan

  • 4.
  • 5.

  Optical flow Memuaskan

  object tracking : Kalman filter dan Particle Batas

  • filter
  • Laporan dan Komunikasi

  Kurang memuaskan

  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

  • 9. Visual Recognition (Bagian 1) 2x170 menit Kuis 6%

  • menjelaskan prinsip-

  Memahami dan Ceramah

  • Dimensi : Pemahaman prinsip visual 1.

  Discovery Learning

  • recognition metode bag of features (Studi kasus tentang

  Pengenalan tentang Visual Recognition dan Diskusi kelompok

  Penilaian kompetensinya 2. large scale instance

  Deteksi menggunakan sliding windows : viola : jones dan Dalal Triggs Recognition ) Sangat memuaskan

  • 3. large scale instance Recognition

  Memuaskan

  • Batas -
  • Laporan dan Komunikasi

  Kurang memuaskan

  Dimensi : 1.

  Kelengkapan

  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.

  Visual Recognition (Bagian 2) 2x170 menit - Laporan dan 8%

  • menjelaskan prinsip-

  Memahami dan Ceramah

  • Komunikasi

  Discovery Learning

  prinsip visual 4.

  • Dimensi : recognition Feature Encoding (Studi Kasus pada 1.

  Large-scale Scene Recognition dan Advanced Diskusi kelompok

  Kelengkapan laporan

  5. Modern boundary Pascal VOC and Big Data 2.

  Kebenaran laporan 6. detection)

  Crowdsourcing and Human Computation 3.

  Komunikasi tertulis 7. modern boundary detection

  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
  • UJIAN TENGAH SEMESTER 11.

  Machine Learning 2x170 menit -

  • menjelaskan prinsip-

  Laporan dan 5%

  Memahami dan Ceramah

  • Komunikasi

  Discovery Learning

  prinsip dasar machine 1.

  • Dimensi : learning dan klasifikasi

  Machine learning intro and clustering Diskusi kelompok

  2. (Perkembangan Machine learning classification 1.

  Kelengkapan metode-metode dalam teknologi Machine laporan machine learning learning) 2.

  Kebenaran laporan 3. Komunikasi tertulis

  • Sangat memuaskan
  • Memuaskan -
  • Kurang memuaskan
  • Di bawah standar
  • Ceramah -
  • Diskusi kelompok

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

  4a. Isi 4b. Organisasi

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

  Kebenaran laporan 3. Komunikasi tertulis

  Kelengkapan laporan 2.

  Dimensi : 1.

  2x170 menit Laporan dan Komunikasi

  (Menyusun Structured Output dari suatu Deep Network)

  Discovery Learning

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

  Deep Learning (Bagian 2) 4.

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

  7% 13. - Memahami dan

  Batas

  Penilaian kompetensinya :

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

  Kelengkapan laporan 2. Kebenaran laporan 3. Komunikasi tertulis

  Dimensi : 1.

  ) 2x170 menit Laporan dan Komunikasi

  (teknik Training Neural Network untuk mengenali obyek pada citra

  Discovery Learning

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

  Deep Learning (Bagian 1) 1.

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

  12. -

  Batas

  Penilaian kompetensinya :

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

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

  • Sangat memuaskan
  • Memuaskan -
  • Kurang memuaskan
  • Di bawah standar

  12%

  • Ceramah -
  • Tugas terstruktur
  • Sangat memuaskan

  • Memuaskan -
  • Kurang memuaskan
  • Di bawah standar
  • Ceramah -

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

  13 %

  Batas

  Penilaian kompetensinya :

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

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

  Kelengkapan laporan 2. Kebenaran laporan 3. Komunikasi tertulis

  Dimensi : 1.

  2x170 menit Laporan dan Komunikasi

  Discovery Learning

  • Tugas terstruktur

  Face tracking SDK

  Ektrak Fitur menggunakan OpenCV 4. Deteksi obyek menggunakan OpenCV 5. Microsoft Kinect SDK 6.

  Image processing dan analisis menggunakan Matlab

  Alat bantu Pemrograman Computer Vision 1.

  Memahami dan merancang aplikasi computer vision menggunakan alat bantu perangkat lunak

  14. -

  Batas

  Penilaian kompetensinya :

2. Pendahuluan OpenCV 3.

  • Sangat memuaskan
  • Memuaskan -
  • Kurang memuaskan
  • Di bawah standar

Dokumen yang terkait

RPS TPL 101 Geografi Kota

0 1 10

A. IDENTITAS MATA KULIAH - RPS TEORI BELAJAR DAN PEMBELAJARAN

1 4 12

A. IDENTITAS MATA KULIAH - RPS TEORI KOMUNIKASI DALAM PENDIDIKAN

0 0 12

Perancangan Coupled Fuzzy Logic Controller pada Prototipe Mesin Computer Numerical Control (CNC)

1 1 6

Pengelolaan Risiko pada Updating Computer Integrated Manufacturing (CIM) di Perusahaan Pakan Ternak

0 0 6

Yi Lu, Thomas Marconi, Georgi Gaydadjiev and Koen Bertels Computer Engineering Lab., TU Delft, The Netherlands {yilu, thomas, georgi}ce.et.tudelft.nl, k.l.m.bertelstudelft.nl

0 0 6

03 Top Level View of Computer Function and Interconnection

0 0 55

William Stallings Computer Organization and Architecture 8th Edition Chapter 4 p Cache Memory - 04 Cache Memory

0 0 71

College Fundamentals of Computing and Programming Computer Organization and Architecture Systems and Languages Theoretical Foundations Software Engineering and Databases Artificial Intelligence Networks, Parallel and Distributed Computing Graphics and Vis

1 3 888

Visual Behavior Based Bio-inspired Polarization Techniques in Computer Vision and Robotics

0 0 32