TEBUS HOKI! BELI 1 GRATIS 1
Belajar Data 6 BULAN GRATIS 6 BULAN hanya Rp180K!

0 Hari 1 Jam 36 Menit 48 Detik

Contoh Machine Learning pada Image Labelling

Belajar Data Science di Rumah 30-Januari-2023
https://dqlab.id/files/dqlab/cache/df4666608145ef6762ad6809bac4e6ce_x_Thumbnail800.jpeg

Machine learning punya banyak pengaplikasiannya di berbagai bidang. Salah satu penerapan yang sangat populer di kalangan pengguna media sosial adalah image labelling. Pelabelan gambar memungkinkan pengguna melakukan penanda atau tag untuk mengidentifikasi detail spesifik pada gambar. Mulai dari lokasi pengambilan foto, tanggal berapa foto tersebut didokumentasikan, siapa pemilik foto tersebut dan tag-tag khusus yang mendukung pengambilan gambar. 


Image labelling tidak hanya berfokus pada gambar saja, namun video juga bisa dilakukan. Image labelling diaplikasikan dengan bantuan model machine learning untuk belajar mengidentifikasi kelas objek tertentu dalam data yang tidak terklasifikasi. Adapun spesifikasi model machine learning yang digunakan adalah algoritma supervised learning.


Pada dasarnya, image labelling memungkinkan model machine learning memahami konten gambar secara menyeluruh. Dengan bantuan tools tertentu membuat machine learning menangkap dan menyorot objek sehingga gambar dapat terbaca dengan jelas oleh mesin. 


Data scientist menggunakan pelabelan gambar agar memudahkan identifikasi kelas objek dan meningkatkan akurasi penglihatan komputer. Ada banyak jenis image labelling dalam visi komputer yang harus kamu ketahui. Hal ini tentunya akan sangat membantu kamu dalam mengetahui cara kerja pada masing-masing image labelling dalam visi komputer. Lebih jelasnya, kamu bisa cek informasi selengkapnya lewat artikel berikut ini yuk sahabat DQLab!


1. Image Classification

Anda dapat menganotasi data untuk klasifikasi gambar dengan menambahkan tag ke gambar. Jumlah tag unik dalam database cocok dengan jumlah kelas yang dapat diklasifikasi oleh model.

Berikut adalah tiga jenis klasifikasi utama:

  • Klasifikasi kelas biner:  Hanya menyertakan dua tag

  • Klasifikasi multikelas:  Mencakup banyak tag

  • Klasifikasi multi-label:  Setiap gambar dapat memiliki lebih dari satu tag

Machine Learning


Baca juga : Yuk Kenali Macam-Macam Algoritma Machine Learning!


2. Image Segmentation

Segmentasi gambar melibatkan penggunaan model visi komputer untuk memisahkan objek dalam gambar dari latar belakangnya dan objek lainnya. Biasanya diperlukan pembuatan peta piksel dengan ukuran yang sama dengan gambar, menggunakan angka 1 untuk menunjukkan keberadaan objek dan angka 0 untuk menunjukkan tidak ada anotasi. Segmentasi beberapa objek dalam gambar yang sama melibatkan penggabungan peta piksel untuk setiap saluran objek dan menggunakan peta sebagai kebenaran dasar untuk model.


Machine Learning


3. Deteksi Objek

Deteksi objek melibatkan penggunaan visi komputer untuk mengidentifikasi objek dan lokasi spesifiknya. Tidak seperti klasifikasi gambar, proses deteksi objek menganotasi setiap objek menggunakan kotak pembatas. Kotak pembatas terdiri dari segmen persegi panjang terkecil yang berisi objek dalam gambar. Anotasi kotak pembatas sering disertai dengan tag, memberikan setiap kotak pembatas dengan label pada gambar. Koordinat kotak pembatas dan tag terkait biasanya disimpan dalam file JSON terpisah dalam format dictionary. Biasanya, nomor gambar atau ID gambar adalah dictionary key.


Machine Learning


Baca juga : Kenali Algoritma Klasifikasi Machine Learning Terpopuler di Tahun 2021


4. Estimasi Pose

Estimasi pose melibatkan penggunaan model visi komputer untuk memperkirakan pose seseorang dalam sebuah gambar. Ini berfungsi untuk mendeteksi titik-titik kunci dalam tubuh manusia dan menghubungkannya untuk memperkirakan pose, yang berarti titik-titik kunci berfungsi sebagai kebenaran dasar yang sesuai untuk estimasi pose. Estimasi pose memerlukan pelabelan data koordinat sederhana dengan tag. Setiap koordinat menunjukkan lokasi titik kunci tertentu, yang diidentifikasi dengan tag pada gambar

Machine Learning

Kehadiran machine learning memberikan dampak signifikan pada dunia bisnis. Tentu menjadi spesial jika sahabat DQ mampu mengimplementasikan kedua teknologi di dunia kerja. Kemampuan artificial intelligence dan machine learning juga bisa menjadi sahabat DQ untuk berkarir di bidang data science.


Bagi sahabat DQ yang belum memiliki pengetahuan data science atau machine learning, atau berasal dari background non IT, tenang saja. Karena DQLab punya modul gratis yang bisa kamu coba loh seperti Introduction R dan Python.


Tunggu apa lagi? Yuk, Sign Up di DQLab.id sekarang!


Penulis: Reyvan Maulid

Mulai Karier
sebagai Praktisi Data
Bersama DQLab

Daftar sekarang dan ambil langkah pertamamu untuk mengenal Data Science.

Buat Akun Gratis Dengan :

https://dqlab.id/files/dqlab/file/data-web-1/data-user-2/50040333a3a5d46bf130664e5870ebc6/8be7fae4b69abead22aa9296bcab7b4b.jpg Sign-Up dengan Google

https://dqlab.id/files/dqlab/file/data-web-1/data-user-2/50040333a3a5d46bf130664e5870ebc6/d0aa879292fb427c0978d2a12b416e98.jpg Sign-Up dengan Facebook

Atau Buat Dengan :