Proyek visi komputer keren untuk mendapatkan pekerjaan impian Anda

Perkuat portofolio Anda dengan proyek-proyek luar biasa ini

 

Tidak cukup hanya mengetahui cara memprogram, tetapi Anda juga harus dapat menunjukkan bahwa Anda benar-benar tahu cara memprogram, dan ini ditunjukkan melalui jenis proyek yang Anda miliki dalam portofolio Anda. Proyek-proyek ini dapat berkisar dari yang sederhana hingga yang kompleks, tetapi Anda perlu membuktikan bahwa Anda sedang mempelajari bahasa atau kerangka kerja pemrograman dan dapat menerapkan apa yang Anda pelajari pada situasi dunia nyata.

Dalam artikel hari ini, kita akan membahas lima proyek visi komputer yang sangat keren yang harus Anda pertimbangkan untuk ditambahkan ke portofolio Anda. Sebagai bonus, saya akan memberi Anda semacam titik awal tentang cara kerja algoritme.

 

Deteksi dini kebakaran

Algoritma deteksi kebakaran penting karena mereka memiliki kemampuan untuk mencegah kebakaran sebelum terjadi dan bahkan menyelamatkan nyawa.

National Fire Protection Association (NFPA) memperkirakan bahwa di Amerika Serikat:

  • Pemadam kebakaran merespons kebakaran setiap 23 detik
  • Satu kebakaran struktur perumahan dilaporkan setiap 89 detik
  • Setiap 46 menit satu orang mengalami cedera terkait kebakaran di rumah
  • Satu orang tewas dalam kebakaran rumah setiap tiga jam

Pada tahun 2020, 1.388.500 kebakaran terjadi, menewaskan 3.500 warga sipil dan melukai 15.200 orang. Selain itu, pada tahun 2020, terdapat 62 kematian petugas pemadam  kebakaran non-COVID-19 non-COVID-19 dan 78 kematian petugas pemadam kebakaran. (Statistik dari Fakta Cedera)

Saat membangun proyek Anda, ingatlah hal-hal berikut: Ide dasar dari deteksi kebakaran yang diusulkan adalah untuk mengekstrak piksel api dan asap dalam RGB (merah, hijau, biru) Ini untuk mengadopsi pengukuran warna dan gangguan berbasis model. Piksel api yang diekstraksi memverifikasi apakah itu adalah api nyata oleh dinamika pertumbuhan dan gangguan dan asap lebih lanjut. Berdasarkan pemeriksaan berulang dari tingkat peningkatan api, alarm kebakaran dinaikkan ketika kondisi alarm meningkat terpenuhi.

 

Pengenalan ekspresi wajah

Algoritma deteksi ekspresi adalah algoritma yang dapat mendeteksi perubahan pada ekspresi wajah individu. Kemampuan untuk mendeteksi perubahan pada wajah seseorang dapat digunakan untuk menentukan jenis suasana hati orang tersebut, yang dapat digunakan dalam situasi terapeutik. Perusahaan perangkat lunak seperti Apple telah mengadopsi ini untuk membuat apa yang sekarang dikenal sebagai Memoji, fitur yang menggunakan emoji animasi yang membuat Apple terlihat seperti orang sungguhan. Apple pertama kali merilis fitur yang disebut Memoji pada tahun 2018, tetapi emoji animasi ini dapat melacak wajah Anda dan membuat pesan atau Saya bisa membuatnya terlihat seperti emoji berbicara di FaceTime.

Saat membangun proyek Anda, ingatlah hal-hal berikut: Tetap sederhana pada awalnya. Mulailah dengan algoritma deteksi wajah sederhana. Dari sana Anda dapat membangun (misalnya dapat mendeteksi berbagai bagian wajah).

 

Deep Dream bersama CNN

DeepDream adalah eksperimen yang memvisualisasikan pola yang dipelajari oleh jaringan saraf. Sama seperti seorang anak melihat awan dan mencoba menafsirkan bentuk acak, DeepDream menafsirkan secara berlebihan dan memperkuat pola yang mereka lihat dalam gambar.

Ini dilakukan dengan mentransfer gambar melalui jaringan dan menghitung gradien gambar terhadap aktivasi lapisan tertentu. Selanjutnya, gambar dimodifikasi untuk meningkatkan aktivasi ini, memperkuat pola yang dilihat oleh jaringan dan menghasilkan gambar seperti mimpi. Proses ini disebut “inceptionism.”

 

Klasifikasi gambar multi-kelas

Ini telah merevolusi dan mendorong kemajuan teknologi di sektor yang paling menonjol, seperti industri otomotif, perawatan kesehatan, dan manufaktur. Klasifikasi gambar multikelas adalah tugas umum dalam visi komputer untuk mengklasifikasikan gambar ke dalam tiga kelas atau lebih. Tugas klasifikasi multi-label umumnya ada di area pencitraan medis di mana pasien dapat memiliki banyak penyakit yang didiagnosis dari data visual dalam bentuk sinar-X.

Saat membangun proyek Anda, ingatlah hal-hal berikut: Seperti halnya sistem pengenalan wajah, Anda harus mulai dengan sesuatu yang sederhana. Bangun algoritma yang dapat melakukan klasifikasi gambar biner dan membangun dari sana.

 

Pengenalan dan klasifikasi rambu lalu lintas

Pengenalan dan algoritme rambu lalu lintas adalah teknik yang memungkinkan kendaraan mengenali rambu lalu lintas yang ditempatkan di jalan (misalnya, “batas kecepatan” atau “anak” atau “berbelok ke depan”). Algoritma rambu lalu lintas memiliki implementasi yang berbeda. Pada mobil self-driving, digunakan untuk mengenali kapan harus berhenti dan bergerak, dan apakah akan menunggu pejalan kaki menyeberang jalan.

Saat membangun proyek, ingatlah hal-hal berikut: pertama-tama Anda  akan dapat mendeteksi apakah rambu lalu lintas ada di sana, dan kemudian Anda akan menentukan jenis rambu lalu lintas apa itu (baca gambar rambu lalu lintas).

 

 

Leave a Reply

Your email address will not be published.