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