Apa itu Computer Vision? Panduan Pemula untuk Analisis Citra

Gambar ada di mana-mana. Kita hidup di masa ketika gambar dan video memuat banyak informasi yang terkadang sulit didapatkan. Inilah sebabnya analisis citra, yang juga dikenal sebagai computer vision, menjadi keterampilan yang sangat berharga dan dapat diterapkan dalam banyak kasus penggunaan. 

Panduan ini memperkenalkan bidang computer vision yang menarik. Panduan ini menjelaskan dasar-dasar disiplin ilmiah ini, aplikasi utamanya, dan bagaimana machine learning dan deep learning merevolusi computer vision, membuka gerbang menuju kemungkinan-kemungkinan baru yang revolusioner.  

Apa Itu Computer Vision?

Secara sederhana, computer vision adalah cabang AI yang mempelajari bagaimana komputer dapat melihat dan memahami konten gambar dan video digital.  

Tujuan akhir computer vision adalah mereplikasi kemampuan penglihatan manusia pada mesin. Namun, sementara manusia menggunakan retina, saraf optik, dan bagian otak khusus untuk mengumpulkan dan memproses informasi visual, proses ini sama sekali berbeda pada mesin. Untuk mengajarkan mesin cara melihat, kita mengandalkan berbagai komponen teknologi, termasuk:

• Sensor. Kamera dan perangkat lain yang dilengkapi sensor khusus sangat penting untuk menangkap data visual di sekitar kita.  
• Data. Kebanyakan orang sudah akrab dengan data gambar dan video serta format tradisionalnya, seperti .jpg dan .png untuk gambar serta .mov dan .avi untuk video. Namun, perlu disebutkan bahwa ragam data gambar dapat hadir dalam banyak bentuk, seperti tampilan dari banyak kamera, data multidimensi dari pemindai 3D, atau perangkat pemindaian medis. 
• Algoritma. Seperti analisis data lainnya, langkah sebelum analisis adalah persiapan data. Ada segudang teknik dan algoritma yang dikembangkan peneliti computer vision untuk membersihkan dan menyiapkan data gambar, termasuk penyaringan, pengubahan ukuran, atau normalisasi gambar. Setelah data visual siap, barulah bagian menarik dimulai. Seiring bangkitnya deep learning, kita dapat melatih model deep learning yang kuat dan dengan cepat melampaui kemampuan manusia dalam berbagai tugas, seperti akan kita lihat di bagian berikutnya. 

Aplikasi Computer Vision

Penglihatan adalah indra kunci yang banyak dari kita gunakan untuk beragam tugas setiap hari. Dengan latar ini, tidak mengherankan ada banyak aplikasi computer vision di dunia nyata yang tersedia saat ini.

Di bawah ini, Anda dapat menemukan daftar non-ekshausif dari aplikasi computer vision yang paling menonjol.

Deteksi objek

Banyak aplikasi computer vision populer melibatkan pengenalan benda dalam gambar. Contoh yang bagus adalah mobil tanpa pengemudi. Produsen mobil otonom menggunakan banyak kamera untuk memperoleh gambar dari lingkungan agar mobil mereka dapat mendeteksi objek, marka jalur, dan rambu lalu lintas untuk berkendara dengan aman. Bagaimana deteksi objek bekerja dalam praktik? Kami sangat merekomendasikan Anda membaca tutorial kami tentang algoritma Deteksi Objek dengan YOLO.

Pengenalan wajah

Digunakan untuk keamanan dan pengawasan, pengenalan wajah menganalisis fitur-fitur kunci untuk mengidentifikasi orang. Ini dilakukan dengan melatih jaringan saraf pada basis data biometrik yang sangat besar sehingga model dapat mengidentifikasi ciri wajah unik pada manusia. Baca tutorial terpisah kami untuk mempelajari cara melakukan Deteksi Wajah dengan Python.

Penerjemahan otomatis

Alat seperti Google Translate memungkinkan pengguna mengarahkan kamera ponsel ke papan tanda dalam bahasa lain dan hampir seketika mendapatkan terjemahan papan tanda tersebut dalam bahasa pilihan mereka.

Pembuatan gambar

Aplikasi computer vision tidak hanya dapat memahami gambar, tetapi kini juga dapat membuat gambar realistis menggunakan AI generatif. Ini terjadi pada DALL-E, model genAI yang membuat gambar dari deskripsi teks, atau Sora, yang melakukan hal serupa namun untuk video. Contoh lainnya adalah deepfake. Deepfake adalah perangkat lunak yang digunakan untuk menampilkan orang dalam video palsu yang sebenarnya tidak mereka tampilkan. Dengan memahami apa yang membentuk wajah manusia, deepfake dapat menghasilkan wajah baru.

Ingin tahu aplikasi computer vision lainnya? Lihat artikel khusus kami untuk mempelajari 19 Proyek Computer Vision dari Pemula hingga Mahir.

Computer Vision dalam AI

Aplikasi unik computer vision yang kita miliki saat ini tidak akan mungkin tanpa AI, khususnya model deep learning. Untuk memahami alasannya, pertama-tama kita perlu memahami apa itu gambar digital – unit informasi paling dasar dalam computer vision. 

Gambar digital terdiri dari ratusan, jika bukan ribuan piksel, yang memuat informasi tentang warna dan intensitas. Pada gambar skala abu-abu, intensitas setiap piksel dapat direpresentasikan oleh angka antara 0 dan 255.

Gambar skala abu-abu.  Sumber: DataCamp

Sebaliknya, gambar berwarna umumnya disimpan dalam sistem RGB. RGB adalah singkatan dari Red, Green, dan Blue. Setiap gambar dapat dianggap direpresentasikan oleh tiga raster, masing-masing untuk setiap kanal warna. Ini berarti Anda memerlukan tiga kali jumlah data untuk menyimpan gambar berwarna dibandingkan gambar skala abu-abu.

Gambar berwarna. Sumber: DataCamp

Jadi, gambar digital dapat dipandang sebagai sekumpulan angka. Belum lama ini, kita kekurangan alat bertenaga untuk memproses dan mengekstrak informasi dari gambar. Ini berubah pada awal 2010-an ketika peneliti deep learning berhasil mengembangkan jaringan saraf baru yang sangat cocok untuk tugas-tugas computer vision.

Saat ini, berkat kemajuan deep learning dan perkembangan GPU, komputasi awan, serta ketersediaan data gambar yang melimpah, praktisi data dapat melatih jaringan saraf yang kuat yang mampu menjalankan tugas-tugas kompleks dalam computer vision. 

Mengikuti ledakan AI generatif, model visi-bahasa (VLM) tercanggih dapat memahami dan memproses data visual dan tekstual, memungkinkan tugas baru seperti penulisan keterangan gambar, tanya jawab visual, dan pembuatan gambar dari teks.

Ingin tahu tentang jaringan saraf? Lihat Kursus Pengantar Deep Learning dengan Python kami untuk mulai hari ini.

Jaringan saraf untuk computer vision. Sumber: NVIDIA

Perbedaan antara Machine Vision dan Computer Vision

Kesalahpahaman umum di kalangan pendatang baru di bidang ini adalah perbedaan antara machine vision dan computer vision. 

Machine vision merujuk pada penggunaan kamera, sensor, serta algoritma untuk membantu komputer dan robot menganalisis gambar dan membuat keputusan yang tepat selama proses manufaktur. Aplikasi machine vision mencakup tugas seperti inspeksi otomatis, pengendalian mutu, dan pemandu robot.

Istilah ini sering digunakan dalam konteks manufaktur dan industri, sehingga cakupannya spesifik pada aplikasi dan lebih sempit dibandingkan computer vision, yang memiliki rentang aplikasi lebih luas di berbagai industri. Demikian pula, dari segi kompleksitas, computer vision sering kali melibatkan pemrosesan dan interpretasi yang lebih kompleks dibandingkan machine vision.

Anda dapat melihat perbedaan antara machine vision vs computer vision pada tabel di bawah ini: 

Memulai dengan Computer Vision

Computer vision adalah salah satu disiplin paling menarik dan paling diminati dalam AI. Jika Anda ingin memulai di bidang ini, DataCamp siap membantu. Kami bekerja keras untuk menawarkan kursus dan materi khusus yang berharga dan mutakhir bagi para praktisi data.

Kami sangat merekomendasikan Anda memulai dengan Image Processing in Python Skill Track kami. Jalur ini mencakup dasar-dasar, dari pra-pemrosesan gambar hingga deep learning. Anda akan mulai dengan peningkatan dan pemulihan gambar, lalu berlanjut ke gambar biomedis untuk menganalisis jenis gambar yang lebih kompleks, seperti pemindaian MRI dan rontgen. Jalur ini ditutup dengan kursus tentang convolutional neural net, di mana Anda akan belajar membangun pengklasifikasi gambar deep learning yang andal.

Untuk sumber daya teknis, pertimbangkan hal-hal berikut:

• AI untuk Data Visual: Computer Vision dalam Bisnis
• Melihat Seperti Mesin: Panduan Pemula untuk Analisis Citra dalam Machine Learning
• Apa itu Machine Perception?
• Penjelasan Deteksi Objek YOLO: Panduan Pemula
• Tutorial OpenCV: Mengoptimalkan Pemrosesan Data Visual

Kesimpulan

Kami berharap Anda menikmati pengantar computer vision yang ramah pengguna ini. Bidang ini penuh dengan dinamika, dengan aplikasi computer vision baru yang hadir di pasar setiap hari. Jika Anda ingin menjadi spesialis computer vision, Image Processing in Python Skill Track adalah tempat yang ideal untuk memulai.