Apa itu Computer Vision?

Apa itu Computer Vision?

Algoritma computer vision adalah salah satu sistem AI paling transformatif dan kuat di dunia saat ini. Sistem computer vision digunakan dalam kendaraan otonom, navigasi robot, sistem pengenalan wajah, dan lain-lain. Namun, apa sebenarnya algoritma computer vision? Bagaimana mereka bekerja? Untuk menjawab pertanyaan-pertanyaan ini, kita akan menyelami teori di balik computer vision, algoritma computer vision, dan aplikasi sistem computer vision.

Bagaimana Sistem Computer Vision Bekerja?

Untuk memahami sepenuhnya bagaimana sistem computer vision bekerja, mari kita ambil saat untuk membahas bagaimana manusia mengenali objek. Penjelasan terbaik yang diberikan oleh neuropsikologi tentang bagaimana kita mengenali objek adalah model yang menjelaskan fase awal pengenalan objek sebagai satu di mana komponen dasar objek, seperti bentuk, warna, dan kedalaman, diinterpretasikan oleh otak terlebih dahulu. Sinyal dari mata yang memasuki otak dianalisis untuk mengeluarkan tepi objek terlebih dahulu, dan tepi-tepi ini digabungkan menjadi representasi yang lebih kompleks yang melengkapi bentuk objek.

Sistem computer vision bekerja sangat mirip dengan sistem visual manusia, dengan mengenali tepi objek terlebih dahulu dan kemudian menggabungkan tepi-tepi tersebut menjadi bentuk objek. Perbedaan besar adalah bahwa karena komputer menafsirkan gambar sebagai angka, sistem computer vision memerlukan cara untuk menafsirkan piksel individu yang membentuk gambar. Sistem computer vision akan menetapkan nilai-nilai ke piksel dalam gambar dan dengan memeriksa perbedaan nilai antara satu wilayah piksel dan wilayah piksel lain, komputer dapat mengenali tepi. Misalnya, jika gambar yang dipertanyakan adalah gambar skala abu-abu, maka nilai-nilai akan berkisar dari hitam (direpresentasikan oleh 0) hingga putih (direpresentasikan oleh 255). Perubahan nilai yang tiba-tiba dalam kisaran nilai piksel di dekat satu sama lain akan menunjukkan tepi.

Prinsip dasar membandingkan nilai piksel ini juga dapat dilakukan dengan gambar berwarna, dengan komputer membandingkan perbedaan antara saluran warna RGB yang berbeda. Jadi sekarang kita tahu bagaimana sistem computer vision mengeksaminasi nilai piksel untuk menafsirkan gambar, mari kita lihat arsitektur sistem computer vision.

Convolutional Neural Networks (CNNs)

Tipe AI utama yang digunakan dalam tugas computer vision adalah berbasis convolutional neural networks. Apa itu konvolusi?

Konvolusi adalah proses matematika yang digunakan oleh jaringan untuk menentukan perbedaan nilai antara piksel. Jika Anda membayangkan grid nilai piksel, bayangkan grid yang lebih kecil yang digeser di atas grid utama. Nilai-nilai di bawah grid kedua dianalisis oleh jaringan, sehingga jaringan hanya mengeksaminasi sejumlah kecil piksel pada satu waktu. Ini sering disebut sebagai teknik “jendela geser”. Nilai-nilai yang dianalisis oleh jendela geser diringkas oleh jaringan, yang membantu mengurangi kompleksitas gambar dan membuatnya lebih mudah bagi jaringan untuk mengekstrak pola.

Jaringan neural convolutional dibagi menjadi dua bagian yang berbeda, bagian convolutional dan bagian fully connected. Lapisan convolutional dari jaringan adalah pengambil fitur, yang bertugas menganalisis piksel dalam gambar dan membentuk representasi dari mereka yang dapat dipelajari oleh lapisan yang terhubung secara penuh dari jaringan neural. Lapisan convolutional dimulai dengan hanya mengeksaminasi piksel dan mengekstrak fitur tingkat rendah dari gambar seperti tepi. Lapisan convolutional kemudian menggabungkan tepi-tepi menjadi bentuk yang lebih kompleks. Pada akhirnya, jaringan harus memiliki representasi dari tepi dan detail gambar yang dapat diberikan kepada lapisan yang terhubung secara penuh.

Annotasi Gambar

Sementara jaringan neural convolutional dapat mengekstrak pola dari gambar secara mandiri, akurasi sistem computer vision dapat ditingkatkan dengan mengannotasi gambar. Annotasi gambar adalah proses menambahkan metadata ke gambar yang membantu klasifikasi dalam mendeteksi objek penting dalam gambar. Penggunaan annotasi gambar sangat penting ketika sistem computer vision perlu sangat akurat, seperti ketika mengontrol kendaraan otonom atau robot.

Ada beberapa cara gambar dapat diannotasi untuk meningkatkan kinerja klasifikasi computer vision. Annotasi gambar sering dilakukan dengan kotak pembatas, yaitu kotak yang mengelilingi tepi objek target dan memberitahu komputer untuk fokus perhatiannya di dalam kotak. Segmentasi semantik adalah jenis annotasi gambar lain, yang beroperasi dengan menetapkan kelas gambar ke setiap piksel dalam gambar. Dengan kata lain, setiap piksel yang dapat dianggap “rumput” atau “pohon” akan diberi label sebagai milik kelas tersebut. Teknik ini memberikan presisi tingkat piksel, tetapi membuat annotasi segmentasi semantik lebih kompleks dan lebih memakan waktu daripada membuat kotak pembatas sederhana. Metode annotasi lain, seperti garis dan titik, juga ada.