Computer Vision - Ekstraksi Fitur

00:55:12
https://www.youtube.com/watch?v=Y0z_IChx13c

Ringkasan

TLDRCette vidéo aborde l'importance de la segmentation d'image, qui permet de séparer un objet de son arrière-plan pour mieux l'analyser. Une des techniques clés discutées est l'extraction de caractéristiques, qui consiste à identifier et à isoler des valeurs spécifiques d'un objet, comme sa couleur, sa forme et sa texture. Ces caractéristiques peuvent être utilisées pour reconnaître et classifier des objets, ce qui est crucial dans le domaine de la vision par ordinateur. Les distinctions entre les objets sont basées sur des valeurs telles que la taille, la couleur et d'autres attributs visuels, permettant ainsi aux ordinateurs de reconnaitre des images même lorsque celles-ci varient légèrement.

Takeaways

  • 🔍 La segmentation d'image sépare les objets de l'arrière-plan.
  • 🎨 L'extraction de caractéristiques est cruciale pour la classification des objets.
  • 📏 Les caractéristiques peuvent inclure couleur, taille et forme.
  • 💡 On peut distinguer des objets similaires avec des valeurs différentes.
  • ✨ Les caractéristiques naturelles et artificielles jouent un rôle important.
  • 🚀 L'importance de l'analyse texture pour identifier les objets.
  • 📊 L'utilisation de techniques de machine learning pour améliorer la reconnaissance des images.

Garis waktu

  • 00:00:00 - 00:05:00

    Introduction à la segmentation pour différencier les objets de l'arrière-plan afin de se concentrer uniquement sur l'objet principal lors de l'extraction de caractéristiques.

  • 00:05:00 - 00:10:00

    Explication du processus d'extraction de caractéristiques après avoir isolé l'objet d'intérêt, en soulignant l'importance de cette méthode pour différencier des objets similaires.

  • 00:10:00 - 00:15:00

    Discussion sur les méthodes de différenciation des objets, telles que l'utilisation de points ou de pixels dans une image pour analyser et identifier des objets, même en cas de similitudes.

  • 00:15:00 - 00:20:00

    Importance de la diversité des caractéristiques extraites, telles que la forme et la couleur, pour éviter la confusion entre objets, en illustrant avec des exemples d'objets similaires.

  • 00:20:00 - 00:25:00

    Détails sur les caractéristiques naturelles et artificielles des images et comment elles peuvent être extraites pour aider à identifier des objets dans des images numériques.

  • 00:25:00 - 00:30:00

    Clarification sur l'importance de l'intensité des couleurs dans la détection des images, en utilisant des exemples de différentes couleurs dans des fruits pour l'analyse de la maturité.

  • 00:30:00 - 00:35:00

    Introduction aux différentes méthodes statistiques de mesure des couleurs telles que RGB ou CMY, et leur pertinence pour certaines applications comme l'analyse de fruits.

  • 00:35:00 - 00:40:00

    Explication des caractéristiques de la forme des objets dans une image, comme le contour et la compacité, et comment ces caractéristiques sont mesurées pour l'analyse.

  • 00:40:00 - 00:45:00

    Méthodes d'analyse de la texture des images, montrant comment les textures peuvent aider à la différenciation entre des objets selon des critères visuels particuliers.

  • 00:45:00 - 00:55:12

    Résumé des techniques d'extraction de caractéristiques et leur application dans le développement d'outils de vision par ordinateur pour évaluer la qualité des objets, notamment des fruits.

Tampilkan lebih banyak

Peta Pikiran

Video Tanya Jawab

  • Qu'est-ce que la segmentation d'image ?

    La segmentation d'image est le processus de séparation d'un objet de son arrière-plan dans une image.

  • Pourquoi est-il important d'extraire des caractéristiques d'une image ?

    L'extraction de caractéristiques aide à identifier et différencier les objets en analysant des valeurs telles que la couleur, la taille et la forme.

  • Quels types de caractéristiques peuvent être extraites ?

    Les caractéristiques peuvent être naturelles, comme la luminosité et les bords, ou artificielles, issues de transformations spécifiques sur l'image.

  • Quel est l'objectif de classifier les objets dans une image ?

    L'objectif est de reconnaître et de différencier les objets sur la base de leurs caractéristiques spécifiques.

Lihat lebih banyak ringkasan video

Dapatkan akses instan ke ringkasan video YouTube gratis yang didukung oleh AI!
Teks
id
Gulir Otomatis:
  • 00:00:00
    Hai jikalau yang act ngaji Ta kemarin
  • 00:00:09
    ibu sudah menghancurkan sampai di
  • 00:00:13
    segmentasi sampai disegmentasi itu
  • 00:00:16
    adalah tahap Dimana kita bisa memisahkan
  • 00:00:18
    objek dengan background Nya sehingga
  • 00:00:21
    pada saat kita ingin Neng ekstraksi
  • 00:00:24
    fitur kita hanya fokus pada obyeknya
  • 00:00:27
    saja itu adalah tujuan dari segmentasi
  • 00:00:29
    kali kan bisa berfokus pada obyeknya
  • 00:00:34
    kemudian misalnya ada objek-objek yang
  • 00:00:36
    tidak ingin gitar yang lainnya tentang
  • 00:00:39
    objek Kayak misalnya ada pohon-pohon
  • 00:00:42
    dedaunan itu juga objek tetapi objek
  • 00:00:45
    utama yang mungkin kita teliti bukan itu
  • 00:00:48
    tak mungkin berbuahnya atau gambar wajah
  • 00:00:51
    yang ada di tengah dari gambar tersebut
  • 00:00:53
    ataupun kita tahu dimana letak objek
  • 00:00:58
    tersebut di
  • 00:01:00
    Hai pada saat dia sudah bisa kita tahu
  • 00:01:02
    tak tahu apa letaknya dimana sehingga
  • 00:01:07
    fokus kita hanya pada itu gitu nah pada
  • 00:01:11
    saat fokus kita hanya pada objek itu
  • 00:01:14
    saja kita sudah bisa mulai melakukan
  • 00:01:16
    proses ekstraksi fitur ini ekstraksi
  • 00:01:21
    fitur atau feature Extraction kalo dalam
  • 00:01:23
    bahasa Inggris suatu pengambilan ciri
  • 00:01:26
    atau fitur dari suatu bentuk yang
  • 00:01:28
    nantinya nilai yang didapatkan akan
  • 00:01:33
    dianalisis untuk proyek selanjutnya jadi
  • 00:01:35
    kita butuh nilai fitur ini gitu butuh
  • 00:01:39
    nilai fitur ini untuk menghisap apa
  • 00:01:44
    membedakan satu objek dengan objek
  • 00:01:46
    lainnya gitu karena bisa saja adegan itu
  • 00:01:50
    tetap adalah gambar buah hebat apel tapi
  • 00:01:55
    ternyata buahnya itu warnanya merah yang
  • 00:01:58
    satu ijo atau misalnya
  • 00:02:00
    Hai akunnya yang satu agak besar yang
  • 00:02:02
    sekelompok kecil gitu nah apa sih yang
  • 00:02:04
    bisa membedakan Mbak yang membuat
  • 00:02:07
    komputer tetap bisa mengenali kalau itu
  • 00:02:10
    adalah apel Walaupun memang sedikit
  • 00:02:13
    berbeda gitu ya jadi seperti kita
  • 00:02:16
    mencoba menerka ini objek apa sih ini
  • 00:02:20
    tetap Si Andi misalnya tapi Andi nya
  • 00:02:23
    lagi menghadap kiri gitu walaupun hanya
  • 00:02:27
    sebagian saja bagian samping yang
  • 00:02:30
    kelihatan tapi komputer lu tak tahu dan
  • 00:02:33
    mengerti bahwa itu si Andi seperti itu
  • 00:02:36
    kalau misalnya mungkin ada kembarannya
  • 00:02:39
    Si Hani baru itu memang agak sulit ya
  • 00:02:41
    yang taat kan saja method Sukadami
  • 00:02:44
    biasanya masih bisa kembar itu kecuali
  • 00:02:50
    memang kembarnya itu agak signifikan
  • 00:02:53
    perbedaannya dengan cara menghitung
  • 00:02:57
    jumlah titik atau pixel yang ditemui
  • 00:03:00
    setiap pengecekan gimana pengecekan
  • 00:03:02
    dilakukan dalam berbagai arah taising
  • 00:03:04
    pengecekan pada koordinat kartesian dari
  • 00:03:08
    Citra digital dianalisis yaitu harus
  • 00:03:10
    ngetik Alor setar diagonal kanan dan
  • 00:03:13
    diagonal kiri jadi ah segala kemungkinan
  • 00:03:18
    yang mungkin kita coba ambil sih hal
  • 00:03:22
    yang unit di dalam sebuah gambar
  • 00:03:24
    tersebut Jangan sampai kita hanya
  • 00:03:27
    mengekstrak fitur tapi fiturnya itu
  • 00:03:29
    nilainya Semuanya sama gitu karena fitur
  • 00:03:32
    itu pasti harus berbeda coba Bagaimana
  • 00:03:34
    cara ibu bisa bedakan Siani dengan sih
  • 00:03:37
    capainya ada di sini dan Ahong nya Hong
  • 00:03:41
    beneran namanya ya Nyuci Andien dan si
  • 00:03:45
    Ahong gimana oh ya Gimana cara ibu
  • 00:03:48
    bedakan Xiaomi sama si anjing pasti ada
  • 00:03:51
    ciri khas berbeda
  • 00:03:54
    file-nya mungkin si Ahong itu rambutnya
  • 00:03:57
    lurus dengan seandy mungkin agak Ikal
  • 00:03:59
    Ikal gitu ngerti itu adalah salah satu
  • 00:04:02
    fitur dari si Ahong dan fiandi Ini
  • 00:04:07
    fiturnya itu ada bentuk rambutnya ya
  • 00:04:11
    jangan sampai fitur itu malah Salma
  • 00:04:13
    kalau misalnya sama berarti itu ada satu
  • 00:04:15
    fitur itu bisa dibikin bisanya nilainya
  • 00:04:19
    apa rambutnya sih Anjing itu ternyata
  • 00:04:24
    panjang gitu ya panjang nyala dianggap
  • 00:04:28
    itu sesuatu yang berbeda karena itu
  • 00:04:30
    sudah melewati leher gitu jadi dianggap
  • 00:04:33
    seperti itu fitur email tetapi nilainya
  • 00:04:36
    sama karena karakteristik Ical dari
  • 00:04:38
    rambutnya Si Anjing tertama itu ya
  • 00:04:40
    makanya seharusnya komputer itu bisa
  • 00:04:44
    mengetahui walaupun panjang tetap bisa
  • 00:04:47
    kita ketahui bahwa itu adalah fitur dari
  • 00:04:49
    rambutnya saja walaupun panjang tuh
  • 00:04:53
    Hai hai sama juga dengan Ahong ini
  • 00:04:57
    diharapkan ada fitur itu harus berbeda
  • 00:04:59
    maka biasanya ada fitur rambut mungkin
  • 00:05:02
    ada fitur warna kulitnya ada matanya ada
  • 00:05:06
    idungnya itu semuanya pasti berbeda
  • 00:05:08
    antara satu dan lainnya Sama halnya
  • 00:05:10
    dengan gambar yang akan jihad ekstraksi
  • 00:05:13
    fitur ini kita harus bisa berusaha untuk
  • 00:05:17
    memfilter semua gambar n semua fitur
  • 00:05:19
    yang ada di dalam apa gambar tersebut
  • 00:05:21
    sehingga benar-benar Mencuri itu adalah
  • 00:05:24
    yang benar-benar unik saja yang berbeda
  • 00:05:27
    saja itu merupakan karakteristik unik
  • 00:05:34
    dari sebuah objek dapat dibedakan
  • 00:05:37
    menjadi dua yaitu fitur alami merupakan
  • 00:05:39
    bagian dari gambar misalnya kecerahan
  • 00:05:42
    dan tepi dari objek dengan fitur buatan
  • 00:05:45
    non fitur yang diperoleh dengan operasi
  • 00:05:47
    tertentu pada gambar misalnya Instagram
  • 00:05:50
    tingkat keabuan
  • 00:05:53
    Hai ini saya kita bisa ambil
  • 00:05:55
    karakteristik dari persebaran tingkat
  • 00:05:58
    keabuan dari gambar tersebut itu
  • 00:06:00
    merupakan salah satu apa fitur-fitur
  • 00:06:06
    buatan yang bisa kita ambil dan sebuah
  • 00:06:08
    gambar sehingga Extractor adalah proses
  • 00:06:11
    untuk mendapatkan ciri ciri pembeda yang
  • 00:06:13
    membedakan satu objek dari objek lainnya
  • 00:06:17
    m warna jika dikonversikan kedalam suatu
  • 00:06:22
    ruang warna tertentu setiap komponen
  • 00:06:28
    ruang dibuat di instagram-nya hiburan
  • 00:06:32
    diambil yaitu intensitas Citra dengan
  • 00:06:34
    frekuensi tertinggi jadi misalnya gambar
  • 00:06:38
    kita ada gambarnya kemarin bpjn ikan Ibu
  • 00:06:41
    sudah ajar contoh-contoh Fit apa uang
  • 00:06:44
    warna ya Ada RGB ada cmw ada si itu
  • 00:06:48
    macam-macam warna yang bisa kita
  • 00:06:50
    counter-counter sesuai dengan kebutuhan
  • 00:06:53
    teknik pemasangan kita hidup kami saya
  • 00:06:56
    dari RGB itu kan ada tiga ruang warna ya
  • 00:06:59
    jadi setiap ruang warna itu kita harus
  • 00:07:02
    cari intensitas atau pembeda nya gitu
  • 00:07:06
    gini-gini makan siang tertinggi nyanyi
  • 00:07:12
    kalau misalnya pun kita ubah nanti kita
  • 00:07:16
    ambil ciri khas dari hanya ciri khas
  • 00:07:19
    dari racunnya ciri khas dari intensity
  • 00:07:22
    nya semuanya kita ambil dari setiap
  • 00:07:26
    ruang warna yang ada dalam warna
  • 00:07:28
    tersebut Biasanya kalau misalnya mau
  • 00:07:33
    mengaplikasikan ini dalam misalnya
  • 00:07:36
    berdasarkan warna Kalian mau menentukan
  • 00:07:38
    buah tomat ini sudah matang atau belum
  • 00:07:41
    matangnya sudah bagus atau dia ini hari
  • 00:07:46
    ini kita deteksi matangnya itu sekitar
  • 00:07:49
    70% tapi besok itu pasti sudah 80
  • 00:07:53
    cara melawan lima persen ini sudah
  • 00:07:55
    bolehlah kita ambil menjadi produk kita
  • 00:07:57
    untuk di siap dipasarkan itu jadi
  • 00:08:00
    berarti kita fokusnya adalah ingin
  • 00:08:02
    mengambil ciri khas atau fitur warna
  • 00:08:05
    dari gambar tempat tersebut makanya di
  • 00:08:09
    sini kita butuhkan fitur warna untuk
  • 00:08:11
    bisa mengambil karakteristik khusus dari
  • 00:08:14
    enggak tersebut nah yang dicari dan kita
  • 00:08:21
    warna itu kita ambil 33 disini itu ada
  • 00:08:29
    [Musik]
  • 00:08:31
    masing-masing channel contohnya kemudian
  • 00:08:36
    skill ketidaksimetrisan satu distribusi
  • 00:08:40
    Linux
  • 00:08:42
    Hai apabila skin 650 makan dikatakan
  • 00:08:45
    simetris ini bisa saja dari warna hijau
  • 00:08:50
    tidak merata British Yunus itu mungkin
  • 00:08:53
    akan bukan = kodi Anda kurtosis adalah
  • 00:08:57
    gadget keruncingan suatu distribusi
  • 00:08:59
    biasanya diukur relatif terhadap
  • 00:09:01
    distribusi Innova Devi diambil desaan
  • 00:09:04
    persebaran data statistiknya tentang
  • 00:09:06
    statistika panetta statistik dari
  • 00:09:08
    pixelnya Karena itu adalah daftar
  • 00:09:11
    persebaran datang apa sih kita tidak
  • 00:09:14
    akan jauh dengan rumus decking statistik
  • 00:09:20
    itu sebenarnya ada
  • 00:09:28
    Hai semuanya bisa semuanya juga dicari
  • 00:09:33
    dan setiap metode ini gini Meta metode
  • 00:09:36
    yang dipakai untuk kalian mengekstraksi
  • 00:09:38
    fitur warna jadi misalnya saya mau
  • 00:09:42
    Proposalnya Terus mau menentukan
  • 00:09:48
    kualitas dari buah lemon berdasarkan
  • 00:09:58
    metode ini Bu mau mainin varian-varian
  • 00:10:01
    karena mungkin memang lebih cocok untuk
  • 00:10:05
    permasalahan saya untuk buah lemon
  • 00:10:09
    ketimbang metode lain selain harus
  • 00:10:11
    biarkan itu nah Kalian pasti harusnya
  • 00:10:14
    lebih metode-metode ini buat apa saja
  • 00:10:18
    sih perbedaannya walaupun tujuannya
  • 00:10:21
    sama-sama itu adalah mengekstraksi
  • 00:10:23
    berwarna dalam sebuah objek ingin
  • 00:10:28
    Hai neona yang sudah Ibu ajaran
  • 00:10:32
    sebelumnya lgbc micm KSI MTS ihsg ada
  • 00:10:37
    Silet juga itu Ibu atap di sini tuh
  • 00:10:41
    banyak saja fitur bentuk tadi itu warna
  • 00:10:46
    sekarang fitur bentuk-bentuk dari suatu
  • 00:10:50
    objek adalah karakter-karakter tentunya
  • 00:10:54
    kini oleh nyaris dan kontur jadi orental
  • 00:11:00
    Asih kita berapa ya berkutat dengan chef
  • 00:11:06
    dari benda atau objek persegi terbentuk
  • 00:11:16
    dikategorikan bergantung pada teknik
  • 00:11:19
    yang digunakan menjadi bisa dibilang
  • 00:11:27
    ataupun a
  • 00:11:28
    Hai batas tepinya YouTube dari gambar
  • 00:11:31
    tersebut dan berdasarkan daerah atau
  • 00:11:34
    region by itu bentuk ada yang dinilai
  • 00:11:40
    Diamond nanya berdasarkan nilai setengah
  • 00:11:42
    merupakan rasio perbandingan antara
  • 00:11:44
    panjang dan lebar kemudian ada pohon
  • 00:11:49
    faktor Unnes itu berarti berdasarkan
  • 00:11:52
    bentuk apa ya bentuk bulatnya itu apakah
  • 00:11:57
    dia lebih mengarah ke bulat atau tidak
  • 00:11:59
    kemudian are rectangularity pasti ini
  • 00:12:02
    apakah bentuknya lebih mengarah ke
  • 00:12:03
    persegi tidak sebesar apa dia mengarah
  • 00:12:07
    ke persegi Itu dicari rectangularity nya
  • 00:12:11
    Modena rosak tol didefinisikan sebagai
  • 00:12:17
    rasio dari diameter di diameter di Itu
  • 00:12:22
    disimpan di dan panjang rasio keliling
  • 00:12:25
    dan diameter perbandingan antara
  • 00:12:27
    keliling p
  • 00:12:28
    lebih m di digunakan sebagai salah satu
  • 00:12:31
    fitur bentuk ini keliling juga penting
  • 00:12:34
    untuk fitur bentuk kemudian rasio
  • 00:12:36
    parimeter dengan panjang dan lebar
  • 00:12:39
    perbandingan antara keliling P dan
  • 00:12:41
    panjang herpes serta lebar Peggy panjang
  • 00:12:45
    lebar digunakan sebagai salah satu fitur
  • 00:12:48
    bentuk
  • 00:12:49
    ke-14 atau kekompakan Pakde rumusnya
  • 00:12:54
    dari setiap apa ya di setiap nilainya
  • 00:12:59
    yang ini mencari dalam kita bentuk ini
  • 00:13:01
    ya di sini contohnya Ini ini adalah
  • 00:13:05
    persebaran data pixel ya bisanya ini
  • 00:13:07
    adalah pixel dari sebuah gambar cepatnya
  • 00:13:10
    vitalnya itu terdiri hanya dari nol dan
  • 00:13:13
    satu berarti ini adalah gambar hitam
  • 00:13:15
    putih Karena yang nobert hitam putih itu
  • 00:13:18
    Betty Betty putih Saya lagi di sini kita
  • 00:13:23
    mau disuruh cari kontak nesama circular
  • 00:13:25
    intinya nyata rumus compactness itu
  • 00:13:28
    adalah part2 panjang Nadia itu kayaknya
  • 00:13:35
    kayaknya enggak talak
  • 00:13:37
    gigi yang penting kita sudah tahu nilai
  • 00:13:39
    penyerapan nilainya berapa maka kita
  • 00:13:42
    sudah bisa mencari mulai kompak gasnya
  • 00:13:45
    kompetensi Apa kode A17 425 berarti
  • 00:13:51
    nilai kompasnya kita dapat adalah 11055
  • 00:14:01
    kemudian biasa pakai Seperti apa ia
  • 00:14:11
    mengarah ke lingkaran gitu kemudian
  • 00:14:15
    sungguh c4va fertibest kuadrat-4 V
  • 00:14:20
    dikali 25 per-17 pada t = 1,2 atau 1,8
  • 00:14:28
    [Musik]
  • 00:14:30
    ngebet nih kalau dihitung sendiri Taufik
  • 00:14:37
    itu berapa Kan itu wd2 27/3 koma 14
  • 00:14:44
    semua nilai sudah ada Tinggal bicara
  • 00:14:47
    saja Kemudian contoh yang kedua ini ada
  • 00:14:53
    persebaran pixel juga 123456 sama juga
  • 00:14:59
    enam kali 6 kemudian Pengennya juga 17
  • 00:15:03
    hanya beda anjing 32 maka Kalau cari
  • 00:15:07
    kontak fans-nya didapatkan hasilnya
  • 00:15:09
    sembilan koma kemudian sirkuler tinya
  • 00:15:12
    didapatkan hanya 1,2 main gampang ya
  • 00:15:18
    lebih walaupun sebenarnya kalau misalnya
  • 00:15:21
    Dini karenanya 6 kalengan berarti tanpa
  • 00:15:24
    lengan banyak pisahkan kita oleh itu
  • 00:15:25
    adalah sebanyak 64-bit hanya sedikit
  • 00:15:28
    dibandingkan kalau misalnya kita
  • 00:15:30
    salah gambar asli generasi itu biasanya
  • 00:15:33
    berapa kali berupaya Biasanya kalau
  • 00:15:36
    misalnya ingin gitaris itu kita batasi
  • 00:15:38
    batasi mungkin hanya bersama puluh kalau
  • 00:15:43
    gitu jangan terlalu banyak karena SBY
  • 00:15:47
    yang penting objek itu tetap ada dalam
  • 00:15:51
    frame gambar tersebut sehingga sehingga
  • 00:15:58
    tujuan kita tercapai walaupun itu
  • 00:16:04
    terkorup sedikit kecuali misalnya memang
  • 00:16:09
    kalian pada saat ini sudah Kualitasnya
  • 00:16:12
    mumpuni ya jadi mengolah gambar Sebesar
  • 00:16:16
    apapun itu bisa mendeteksi satu apel
  • 00:16:28
    saja au
  • 00:16:30
    tersebut terdapat lebih dari angsa
  • 00:16:32
    kompleks bingkaian bisa mulai lagi
  • 00:16:35
    seperti membuat sebuah bekas yang dapat
  • 00:16:39
    mendeteksi berapa sih banyak objek buah
  • 00:16:42
    yang ada di dalam gambar tersebut nah
  • 00:16:45
    seperti itu Nah ini memakai metode
  • 00:16:50
    ekstraksi fitur bentuk grille full
  • 00:16:53
    histogram level Crunch fitur
  • 00:16:57
    autocorrelation matriks online juga
  • 00:17:05
    mencari yang ini tapi pasti ada
  • 00:17:12
    kelebihan dan kekurangan masing-masing
  • 00:17:14
    sesuai dengan keperluan ini tidak bisa
  • 00:17:17
    lebih bagus dari yang lain karena ini
  • 00:17:19
    citra-citra itu bermacam-macam dia
  • 00:17:23
    kekompleksan dari Citra tersebut itu
  • 00:17:27
    seperti Belum masih mempunyai sebuah
  • 00:17:30
    menari diatas aja Citra yang mungkin
  • 00:17:33
    bisa diselesaikan dengan metode lain
  • 00:17:36
    tetapi belum tentu bisa diselesaikan
  • 00:17:38
    dengan metode ini kemudian yang ketiga
  • 00:17:44
    tadi ada fitur warna api terbentuk saat
  • 00:17:46
    fitur tekstur yang ketiga ya Ada anxiety
  • 00:17:50
    fitur ini fitur pembeda detektor yang
  • 00:17:52
    merupakan karakteristik penentu pada
  • 00:17:54
    jeda biasanya tekstur itu seperti apa
  • 00:18:01
    alternatif dari survei sebuah gambar
  • 00:18:04
    survei ini misal seperti walau
  • 00:18:07
    teksturnya daun itu kan ada karakternya
  • 00:18:10
    ada daunnya ada tulang-tulangnya maka
  • 00:18:12
    itu memiliki tekstur tersendiri kalau
  • 00:18:15
    misalnya lebih diambil dari
  • 00:18:18
    gambar-gambarnya mbd sama apel dan Demon
  • 00:18:21
    seperti itu seperti mempunyai urat-urat
  • 00:18:26
    atau atau survei itu tidak merata tidak
  • 00:18:30
    out beda dengan servicenya apel Apa itu
  • 00:18:34
    fasih halus tidak ada mengkerut
  • 00:18:37
    kerutannya dibanding dengan jeruk banyak
  • 00:18:43
    mungkin kalau misalnya kalian fokus ke
  • 00:18:45
    jeruk bisa ngalahin tambahkan Selain
  • 00:18:48
    Kita warna mungkin fitur tekstur juga
  • 00:18:50
    karena dengan adanya tekstur ini bisa
  • 00:18:53
    membantu kita bisa membedakan
  • 00:18:56
    karakteristik buah apel kertas sore yang
  • 00:19:03
    dicari agen trophy adanya homogenitas
  • 00:19:08
    Nah contoh metode ekstraksi juga
  • 00:19:12
    intensitas ukuran daya untuk mencari
  • 00:19:20
    jejak derajat keabuan setiap dua buah
  • 00:19:23
    yang dipisahkan dengan jarak t&z 8 yang
  • 00:19:28
    tetap bisa sesuai
  • 00:19:30
    Hai aku 5906 135° ada juga metode Alto
  • 00:19:36
    korelasi ada juga komplet ada frekuensi
  • 00:19:39
    Cui ada orang Land and length kemudian
  • 00:19:44
    degree level defense.apk nanti di sini
  • 00:19:50
    ada entropy energy kontak sama mungkin
  • 00:19:53
    nanti ada lagi parkir kendaraan
  • 00:19:57
    statistik analisis statistik satu kelas
  • 00:20:05
    Pada momen statistik untuk menghitung
  • 00:20:09
    momen-momen ke-n nya terhadap jadi
  • 00:20:13
    dicari new n = Sigma i = l kurang satu
  • 00:20:19
    dan Insyaallah kurang m pangkat n
  • 00:20:22
    dikaitkan dengan pzti gimana z Itu
  • 00:20:25
    adalah KM berendam yang mengindikasikan
  • 00:20:28
    intensitas
  • 00:20:30
    foto bugil PZ itu adalah histogram Danau
  • 00:20:33
    intensitas dalam rinci
  • 00:20:37
    di altar dan jumlah level investasi yang
  • 00:20:39
    tersedia digambarkannya jadi itu apa
  • 00:20:44
    pt.al salah jumlah level intensitas yang
  • 00:20:47
    tersedia dan m = ih = 0 sampai dengan l
  • 00:20:53
    kurang 1jt dikali pzti adalah mint
  • 00:20:58
    rata-rata intensitasnya yang ukuran
  • 00:21:04
    rata-rata Indonesia tentu yang tadi
  • 00:21:06
    rumusnya ukuran rata-rata kontak dengan
  • 00:21:09
    usaha di lantai ya entah itu sama dengan
  • 00:21:12
    yuk 2jz = n
  • 00:21:18
    Nyi Roro statistik semua sword Nas r = 1
  • 00:21:23
    kurang satu persatu tambah dana kuadrat
  • 00:21:26
    ukuran smoothness relatif dari
  • 00:21:28
    intensitas dengan rincian r-nya no untuk
  • 00:21:31
    kajian dan accountant dan meningkat satu
  • 00:21:35
    untuk region dengan kskus yang besarnya
  • 00:21:38
    F dan raketnya varian digunakan dan
  • 00:21:43
    ukuran ini dinormalisasi dalam Rich satu
  • 00:21:46
    oleh pengajian Alquran satu kemudian ada
  • 00:21:51
    uniform Ice jarrius Elsa 0-0-1 P kuadrat
  • 00:22:02
    dalam kurung Zee ukuran keseragaman
  • 00:22:07
    ukuran ini maksimum ketika semang level
  • 00:22:10
    sama dan menurun dari sana kemudian yang
  • 00:22:15
    terakhir itu ada tapi ukuran keacakan e
  • 00:22:18
    mendingan minus Highway sampai dengan l
  • 00:22:21
    kurang ih = 0 sampai dengan Alquran satu
  • 00:22:25
    ezzeti dipilok 2pz awaknya jadi kalau
  • 00:22:34
    mau cari tadi ini pzti Nah itu Z120 itu
  • 00:22:54
    berarti Z1 Apakah menilai Spike ada dua
  • 00:23:02
    angka yang bernilai 2000 ada tidak
  • 00:23:08
    [Musik]
  • 00:23:11
    banyak total empat kali 14
  • 00:23:18
    Hai untuk fenol pistol yang bernilai nol
  • 00:23:21
    itu hanya satu jadi 1/16 satunya 0,006
  • 00:23:25
    kemudian pbkl bernilai satu pixel dunia
  • 00:23:29
    satu tidak ada maka nilainya adalah Noah
  • 00:23:33
    seterusnya sama begitu pizza bernilai
  • 00:23:37
    2012 ya 444 angkat atau 16,25 seterusnya
  • 00:23:45
    sampai pixel yang bernilai 7 terus kita
  • 00:23:53
    cari minyak itu tadi rumusnya ini 0-1 by
  • 00:24:03
    Dani itu tadi 012 3-7 pzti itu aja ini
  • 00:24:12
    p0170 dikali 0,06
  • 00:24:16
    21 dikali nol biduan nikahi 0,25 sampai
  • 00:24:22
    yang terakhir 7 dikali 0,1 85 didapatkan
  • 00:24:27
    adalah nilai minyaknya 3,75 kemudian
  • 00:24:32
    standar deviasi oh nanti kalau misalnya
  • 00:24:36
    waktunya sudah habis tetap join di ide
  • 00:24:39
    ibu ya Wih kode ini terutama Ibunya
  • 00:24:42
    tetap sama tinjauan lagi kalau misalnya
  • 00:24:45
    waktunya langsung tiba-tiba habis
  • 00:24:48
    kemudian tadi kita sudah dekat ngilangin
  • 00:24:51
    banget Iya cari dapat nilainya bagaimana
  • 00:24:55
    kita cari lagi standar deviasi standar
  • 00:25:01
    deviasi Hani rumusnya Apa Mio 2 Kak Nia
  • 00:25:08
    2z = Delta kwadrat
  • 00:25:16
    nah ini untuk bisa cari dapatkan itu
  • 00:25:19
    adalah kita harus kurang Han ini
  • 00:25:24
    pixelnya dengan minyak gigi biasanya
  • 00:25:28
    yang ikut terusnya lagi pixel yang kedua
  • 00:25:40
    dikurangi 3,75 sampai yang terakhir itu
  • 00:25:48
    kurang mint lagi di angkat2 lagi
  • 00:25:56
    Kemudian seorang Ini hasilnya didapatkan
  • 00:26:02
    adalah dua titik 2,1 134 itu adalah
  • 00:26:07
    standar deviasi dari data gambar ini
  • 00:26:11
    tipe ini lanjut lagi ke
  • 00:26:16
    khas uniformity sama entropi Nah kita
  • 00:26:21
    punya gambar yang tetap sama ini
  • 00:26:24
    sportnya Spot tasnya itu rumusnya tadi
  • 00:26:27
    ya satu persatu tambah dan taqwa
  • 00:26:31
    data-data kuadrat sudah kita dapat kita
  • 00:26:41
    Masukan ke sini 11 per atau ditambah
  • 00:26:52
    2,11 342 0,8 17 itu dapat hasil akhirnya
  • 00:27:04
    Hai kemudian gini kenapa kok begini Saya
  • 00:27:09
    mau ingat ya pembagian itu dilakukan
  • 00:27:12
    duluan ketimbang pengurangan ini satu
  • 00:27:18
    dibagi hasil ini dulu baru dikurangi
  • 00:27:20
    atau kurang atau ini Cuma kayanya saya
  • 00:27:23
    0,8 171 kemudian mencari informasi ini
  • 00:27:27
    rumusnya ini sangat dengan nol sampai
  • 00:27:31
    elne atuh l01 itu 16 perang satu media
  • 00:27:38
    di 15l itu nge-review banyak misalnya ya
  • 00:27:41
    banyak bisanya tadi adalah 16 tumpangi
  • 00:27:44
    10 sampai 15 x kuadrat Zee tadi kita
  • 00:27:49
    sudah dapat pj-nya ya ini bakal yang
  • 00:27:56
    kita awan hanya ada mengkuadratkan gini
  • 00:27:59
    kok p-02e
  • 00:28:04
    Hai sudah kita dapatkan ini ngerti ini
  • 00:28:07
    hanya tinggal kita kode tentunya 0,0625
  • 00:28:10
    dipadatkan 0,25 dikodekan ini dia nol
  • 00:28:14
    dikuadratkan 0,25 sampai yang terakhir
  • 00:28:17
    0,18 75 dipadatkan maka didapatkan
  • 00:28:21
    hasilnya adalah ditambahkan semua ya
  • 00:28:23
    habis tu dihasilkan 0,18 75 maka ini
  • 00:28:28
    adalah ini polisi yang terakhir ini
  • 00:28:32
    adalah mencari entropia gini lambangnya
  • 00:28:34
    salah ini lambangnya bukan puing
  • 00:28:36
    seharusnya eek untuk mencari enron ini
  • 00:28:40
    karena eh saya 16 batik 0-15 pendek
  • 00:28:47
    gadget 15 log-2 pendek 15 jadi kita cari
  • 00:28:55
    peletnya berapa naiknya dirinya dengan
  • 00:28:59
    tipe 02 fenol ditambah epsilon
  • 00:29:04
    ya Sama juga seterusnya tanggal b satu
  • 00:29:09
    kali ini oleh gua V1 + R2 untuk
  • 00:29:16
    Hai seterusnya eh dapatkan karena
  • 00:29:19
    teknologi itu rokok 062 dikali log-2
  • 00:29:23
    0,0625 + F cylon seterusnya didapatkan
  • 00:29:27
    adalah 2,5 778 makanya maka yang diamkan
  • 00:29:33
    untuk nilai entropi itu adalah 2,5 778
  • 00:29:41
    jadi ini adalah nilai-nilai fitur 0,81
  • 00:29:46
    100187 50 2,5 78 yang ini juga rata-rata
  • 00:29:53
    3,75 konser dia kek ya standar
  • 00:29:56
    deviasinya 20134 pakai terjadinya fitur
  • 00:30:00
    nilai-nilai ini nanti perdamaian itu
  • 00:30:03
    fasih akunya perbedaan mungkin gambar
  • 00:30:07
    aak2 dapat 3,75 gamenya standar
  • 00:30:12
    deviasinya 2011 tapi gambar b
  • 00:30:16
    Hai semuanya mungkin 3,8 nol pengujian
  • 00:30:19
    standar deviasinya misalnya 2,01 gitu
  • 00:30:23
    kemudian a smooth naasnya 0,9 dibilang
  • 00:30:28
    bedanya akan berbeda tipis tapi kalau
  • 00:30:31
    misalnya dia mendekati tuh berarti
  • 00:30:34
    gambar tersebut Dedi cluster yang kurang
  • 00:30:40
    lebih sama gitu muka game banyak orang
  • 00:30:43
    lebih maka bisa disimpulkan bahwa gambar
  • 00:30:47
    tersebut mirip-mirip ini bisa
  • 00:30:56
    menggambarkan bahwa kita bisa mendeteksi
  • 00:30:58
    gambar yang memang sama itu tidak jauh
  • 00:31:06
    berbeda tetapi kalau memang gambarnya
  • 00:31:09
    berbeda akan jauh berbeda juga tidak
  • 00:31:15
    selalu
  • 00:31:16
    Khan semuanya seperti itu karena bisa
  • 00:31:19
    saja Misalnya Saya ingin menelepon
  • 00:31:24
    menentukan kualitas dari tomat aja
  • 00:31:26
    tetapi saya bagasi akurasi dari gambar
  • 00:31:29
    saya itu adalah sebesar 80% saja bisa
  • 00:31:36
    saja dari proses akurasi ini
  • 00:31:39
    Hai Andai Anda tomat yang sudah matang
  • 00:31:42
    tapi tidak masuk dalam akurasi kalian
  • 00:31:47
    kenapa tidak masuk karena pada saat
  • 00:31:48
    klien uji testing oke program kalian
  • 00:31:53
    bisa saja
  • 00:31:55
    Hai hasilnya itu itu ada Bukan tomat
  • 00:31:58
    yang layak ada seharusnya dia layak itu
  • 00:32:01
    maka mungkin bingung saja dia berada
  • 00:32:03
    tepat di bawah 82 mungkin 775 akurasinya
  • 00:32:08
    sehingga tetap tidak diambil karena kita
  • 00:32:11
    berfokus nya mengambil akurasi penentuan
  • 00:32:14
    kualitas tomat ini di atas 80% Biasanya
  • 00:32:18
    seperti itu itu karena untuk menghindari
  • 00:32:20
    error ini banyak karena misalnya kalian
  • 00:32:23
    menentukan Apa itu tuh bisa
  • 00:32:30
    Hai jingle Panji yang Ibu Jelaskan yang
  • 00:32:36
    penting hasil deteksi gitaya hasil
  • 00:32:40
    penentuan kualitas kita tetap berada di
  • 00:32:43
    atas 80% itu karena jelek sekali Kalau
  • 00:32:48
    misalnya kita berfokus biar Kamil semua
  • 00:32:51
    bu saya ambil 70% itu karena kalau
  • 00:32:54
    misalnya saya pakai melawan putusan gua
  • 00:32:57
    hanya sebagian gambar senja yang bisa
  • 00:32:59
    terdeteksi panas Semuanya kebanyakan itu
  • 00:33:02
    kualitasnya sebenarnya bagus formatnya
  • 00:33:05
    sudah bagus itu jangan dipaksakan Anda
  • 00:33:09
    bisa sehingga hasil dari tugas akhir
  • 00:33:11
    kala itu jelek akurasinya di bawah oke
  • 00:33:23
    di sini ada perhitungan Rhapsody m ini
  • 00:33:26
    memang kalau merek ya coding itu kue sus
  • 00:33:30
    minyak ramuan internet WiFi pakai untuk
  • 00:33:35
    bisa mencari ingin untuk mencari varian
  • 00:33:39
    Budi mencari smooth legs mencapai
  • 00:33:41
    uniformity mencari entropi Ragem dapat
  • 00:33:47
    Semuanya sama ya 52136 1710177 Kalau
  • 00:33:56
    tadi yang cara yang dipakai di sini kok
  • 00:33:59
    banyak kali Bu memang kayak gitu karena
  • 00:34:02
    disini kita dengan angka itu banyak 16
  • 00:34:07
    datanya 1234 sampai 16 kalau di YouTube
  • 00:34:12
    manual tapi kita pakai coding itu kali
  • 00:34:18
    16 kok gitu ya ya nggak ribet dan
  • 00:34:30
    Fallen pakai Tong sebanyak satu juta
  • 00:34:33
    orang lebih jadi menghitung satu juta
  • 00:34:35
    tersentuh berat jadi gue tuh kalau
  • 00:34:38
    misalnya kalian memang airnya mau
  • 00:34:42
    ngambil computer Vision sebagi ke
  • 00:34:46
    petugas sakit terus Buatlah size dari
  • 00:34:49
    gembira itu tetap kualitasnya bagus
  • 00:34:52
    tetapi lebih kecil gitu misalnya Ok
  • 00:35:01
    seperti
  • 00:35:11
    Hai Nas cara cari kompresornya juga
  • 00:35:14
    harus hati-hati jangan sembarangan yang
  • 00:35:17
    biasanya kalau misalnya mau mengalah
  • 00:35:20
    datang gambar biasanya lagu.sia kalian
  • 00:35:23
    wanita lebar begitu pendek ketimbang
  • 00:35:27
    kalian walaupun juga tapi dari pen gitu
  • 00:35:37
    lebih bagus karena kualitasnya bagus ya
  • 00:35:41
    jadi size-nya itu misalnya ya Misalnya
  • 00:35:45
    hanya 250-251 besar bisa jadi kayak
  • 00:35:52
    Hai martoz kambing bikinnya hal-hal
  • 00:35:56
    hanya 200 kali 200juta Nah kalau
  • 00:35:59
    misalnya kalian Anugerah group Ajib
  • 00:36:02
    tinggi
  • 00:36:05
    Hai amerah 600k 500 itu bisa saya kalian
  • 00:36:10
    hanya dapat tasnya itu rendah karena
  • 00:36:14
    memang ibighit adalah gambar yang
  • 00:36:16
    dikompres ini tidak apa-apa saya besar
  • 00:36:22
    tapi jangan sampai terganggu objek ini
  • 00:36:33
    bisa deteksi itu saya bener-bener
  • 00:36:37
    kongres sebesar itu itu hasil dari apa
  • 00:36:43
    jadi jelek karena sekecil itu bisa
  • 00:36:57
    memang orang yang sesuai untuk
  • 00:37:05
    Hai diliat-liat doang ya nyetok eceran
  • 00:37:09
    mau ngutang aktif pakai tulis cap begini
  • 00:37:12
    Contohkan Anata manusia sih tidak tahu
  • 00:37:16
    dalam yang penting dilihat Kelihatan
  • 00:37:18
    bagus itu udah cukup kalau program itu
  • 00:37:22
    hilangnya jadi harus hati-hati pemilihan
  • 00:37:27
    asetnya sehingga nanti output dari
  • 00:37:31
    penelitiannya juga Oke kami sini dulu
  • 00:37:36
    jadi tadi itu kerja mencari nilai-nilai
  • 00:37:41
    yang bisa membedakan satu objek dengan
  • 00:37:44
    objek lainnya truk ternyata di yang
  • 00:37:47
    warna apa aja ingin ditanyakan
  • 00:38:02
    Oh iya slahkan udah
  • 00:38:12
    Hai ibu sama bertanya Bu jangan salahkan
  • 00:38:15
    aku
  • 00:38:17
    Hai itu bagian tadi sebelumnya sempat
  • 00:38:20
    enggak lihat yang bagian apa itu Resort
  • 00:38:23
    beberapa yuk Yang penghitungan apel Ibu
  • 00:38:29
    juga biasa Uh lagi belajar lagi-lagi Bu
  • 00:38:35
    lagi lagi lagi nah ini yang itu yang itu
  • 00:38:41
    mau tanya tuh 17 sama 25 itu Yang
  • 00:38:44
    mananya Ibu entar ibu lewat mau salat ya
  • 00:38:52
    Oh ini 17025 biayanya ini Buek Aa gue
  • 00:39:03
    jadi kalau ndak salah
  • 00:39:07
    2017 itu adalah Panda kemudian Nah itu
  • 00:39:10
    adalah keliling itu jadi enggak tahu
  • 00:39:13
    sudah punya ini yah WiFi
  • 00:39:15
    en6 kali enam jadi kita cari kelilingnya
  • 00:39:21
    Hai mencari pentingnya jendela kalau
  • 00:39:23
    sore kelilingnya itu kita masukkan saja
  • 00:39:27
    tetapi soalnya nanti di tercinta Jaya
  • 00:39:29
    aneh ada coding itu ya mereka lainnya
  • 00:39:32
    kasih dapatkan bisa langsung nah
  • 00:39:36
    panjangnya juga itu tinggal encoding
  • 00:39:39
    juga jadi panjang dari data ini bisa
  • 00:39:42
    dibilang panjang dan kelilingnya sudah
  • 00:39:47
    ditentukan karena memang dengan data
  • 00:39:52
    yang ini saja gitu ya karena ini
  • 00:39:55
    sebenarnya bukan ukuran panjang enam ini
  • 00:39:58
    bukan ukuran panjang bukan ukuran untuk
  • 00:40:02
    kita bisa mencari keliling makanya dia
  • 00:40:04
    sudah sediakan venue-venue panjang itu
  • 00:40:10
    sama dengan keliling
  • 00:40:13
    Oh ya kalau nggak salah ya Oh iya
  • 00:40:17
    bilangin aku mencari tongkat Nah jadi
  • 00:40:20
    kontestan Nasir Clarity itu adalah salah
  • 00:40:25
    satu nilai gengsi torang bentuk yaitu
  • 00:40:30
    adalah keliling-keliling itu
  • 00:40:41
    Hai saya enggak biasa disini baik
  • 00:40:45
    upahnya apa Ibu carikan lagi ya tapi
  • 00:40:48
    tahu ibu seharusnya itu adalah keliling
  • 00:40:52
    itu adalah panjang saya aqli nah yang
  • 00:40:57
    penting kita sudah tahu kayaknya ini
  • 00:40:59
    menggambarkan apa sih itu menggambarkan
  • 00:41:01
    simbol apa Nah kalau misalnya dicoding
  • 00:41:03
    di atau untuk nyari keliling di gambar
  • 00:41:10
    karena kita sudah punya inputan gambar
  • 00:41:12
    ya kita ubah bentuknya bentuknya ini
  • 00:41:23
    kita bisa ini adalah kipas himbauan
  • 00:41:31
    kalau dia di coding misalnya
  • 00:41:34
    gambar-gambar itu bentuknya dia sudah
  • 00:41:36
    misalnya untuk cari
  • 00:41:41
    Hai codingnya apa Ninja dalam kurung aja
  • 00:41:48
    gitu doang
  • 00:41:51
    Hai makan pasti pewarnanya 17 sama juga
  • 00:41:54
    ceria update ah coding kita tahun dulu
  • 00:41:59
    coding Itu buat apa kemudian cari
  • 00:42:03
    chordnya itu betapa kuatnya itu apa
  • 00:42:08
    sifat lainnya dalam kurung ah mainnya
  • 00:42:14
    Memang harusnya lapangan Citra baiknya
  • 00:42:19
    diujicoba di mas paling Asia seperti ini
  • 00:42:27
    sama kayak tadi hah apa ya jadi dicoding
  • 00:42:32
    atletnya itu coding resepnya hanya
  • 00:42:35
    memberikan contoh untuk yang fitur
  • 00:42:38
    tekstur ini picture bentuk itu tidak
  • 00:42:40
    dicontohkan jadi paling kalau ini
  • 00:42:43
    dapatkan begini saja itu kain sudah
  • 00:42:45
    dapat kemudian tinggal separo most
  • 00:42:47
    compact Nah harus circular e
  • 00:42:51
    halo spasi sedekat jiwa hanya untuk
  • 00:42:55
    dijelaskan secara kalau kalian itu
  • 00:42:57
    manual Seperti apa ya Ibu Ya terus ah
  • 00:43:06
    kodenya itu pakai harus pakai aplikasi
  • 00:43:10
    Python ya buk les bahasa pemograman not
  • 00:43:14
    tidak selalu item tapi jangan sekarang
  • 00:43:19
    ya jam piro taichan itu mendukung sekali
  • 00:43:24
    machine-learning Biasanya kalau mau
  • 00:43:29
    mengaplikasikan lalunya masih
  • 00:43:32
    berbarengan dengan sama juga dengan di
  • 00:43:39
    planning jadi di planning sudah ada di
  • 00:43:46
    dipakaikan Jadi kita pakai dan kau
  • 00:43:51
    nya juga lebih gampang ketimbang Kalian
  • 00:43:54
    pakai PHP Kalian pakai saus Jo karena
  • 00:43:58
    memang yang item sama minta PIN ini
  • 00:44:00
    mendukung mendukung Processing dari
  • 00:44:05
    image Processing machinery kalaupun
  • 00:44:10
    memang alien lalu terjun ke bidang
  • 00:44:13
    Inipun masih yang dicari ahlinya karena
  • 00:44:18
    lebih mudah kalau kalian mau maupun
  • 00:44:22
    dingin ini pesek pewarna katanya itu
  • 00:44:24
    cuma bisa tapi ada keterbatasan tertentu
  • 00:44:28
    dari bahasa pemrograman tertentu PHP
  • 00:44:31
    ahlinya kan pasti dia suka orang berhak
  • 00:44:41
    untuk memilih bahasa penggorengan
  • 00:44:45
    Mungkin kalian mungkin pakai apa di
  • 00:44:48
    tanah
  • 00:44:51
    halo halo
  • 00:44:55
    Hai Ibu masih di tengah-tengah terbiasa
  • 00:44:58
    pakai apa besok pengobatannya p11s kipas
  • 00:45:06
    Vespa apalagi sensifast buat website
  • 00:45:12
    papaya oi ngape Visual Basic short video
  • 00:45:19
    apalagi kalau buat website pakai pakai
  • 00:45:22
    phpmu pake PHP PHP lebih-lebih Java
  • 00:45:35
    Ninja kan bisa aja lebih rumit lagi bisa
  • 00:45:42
    pasti nih tapi repot ributnya dulu ya
  • 00:45:48
    ampun javascript juga bisa jadi pernah
  • 00:45:53
    ibu terus menurutnya
  • 00:45:55
    udah ya Ibu Suarakan pakai paint yang
  • 00:45:58
    menghancurkan dibebankan karena kemarin
  • 00:46:00
    jadi kalau nggak telat It's okay juga
  • 00:46:05
    banyak juga coding kalian Oke tidak
  • 00:46:09
    masalah tetapi berenang kalau kalian
  • 00:46:14
    karena semua Lini paling terupdate jadi
  • 00:46:19
    kalaupun kalian keluar itu sedikit saja
  • 00:46:21
    lain pantai tentu akan dipakai di
  • 00:46:25
    industri wisata apa aja jangan terlalu
  • 00:46:37
    berfokus ke bengkel
  • 00:46:42
    hai kenapa sebenarnya mereka hendak
  • 00:46:44
    bukan nggak di-update ya bukannya
  • 00:46:46
    di-update tetapi karena rumit itu
  • 00:46:49
    akhirnya programer itu lama-lama
  • 00:46:50
    meninggalkan bahasa pemrogaman itu gitu
  • 00:46:53
    sama kayak Java Java itu kan sekarang
  • 00:46:56
    masih dipakai di Android tapi karena
  • 00:47:00
    rumit maka lama-lama penggemar
  • 00:47:02
    tinggalkan sekarang ada bahasa
  • 00:47:04
    pemograman baru itu adalah kotlin Houten
  • 00:47:07
    itu gampang sekali kalau mau membangun
  • 00:47:09
    Android jadi sama sekarang ini sudah
  • 00:47:12
    banyak aplikasi Android utuh yang
  • 00:47:14
    dibangun di ya seperti itu akan
  • 00:47:24
    ditinggalkan sama penggemarnya karena
  • 00:47:26
    maunya pakai bahasa comment yang isi
  • 00:47:30
    dipakai itu karena semakin lama semakin
  • 00:47:32
    solid ya kita membangun sebuah aplikasi
  • 00:47:34
    itu jadi ngapain sulit susah banget
  • 00:47:42
    teknik Kalian mau pakai simple versi
  • 00:47:45
    lebih satu tapi lebih gampang pake
  • 00:47:48
    karena tinggal import CV itu
  • 00:47:59
    komputer-komputer jadi semua
  • 00:48:03
    coding-coding untuk bisa mencari
  • 00:48:06
    metode-metode yang kalian pakai itu
  • 00:48:09
    biasanya dengan yang terupdate hanya
  • 00:48:16
    kalau ada dulu yang ibu suruh impor dulu
  • 00:48:21
    Intinya jangan karena memang tidak ada
  • 00:48:24
    impor kalian bisa juga memakai kefir
  • 00:48:29
    rumus-rumus yang memang tulis aja tapi
  • 00:48:39
    harus Tuliskan rumus kuadrat
  • 00:48:42
    a dia sudah boleh Boleh Bu Makasih Bu ke
  • 00:48:55
    ambil lagi yang mau bertanya
  • 00:49:01
    Hai Ih siapa ih yang belum masuk ini
  • 00:49:10
    ketua kelasnya udah masuk belum mutiara
  • 00:49:16
    oh yes nih Bro udah Bu Oh ya kini kalau
  • 00:49:22
    misalnya tidaknya aku bertanya Habisin
  • 00:49:25
    dulu ya kuliahnya Ibu sudah sering
  • 00:49:30
    banyaknya
  • 00:49:32
    Hai apa pertemuan untuk beberapa minggu
  • 00:49:35
    kedepan gizi minggu ini kan dijelaskan
  • 00:49:40
    soal ekstraksi fitur ada dua slide
  • 00:49:43
    sebenarnya edupoint Orphan yang satu
  • 00:49:46
    kurang lebih juga akan sama itu
  • 00:49:47
    mengabarkan nanti apa yang akan ibu
  • 00:49:49
    jelaskan untuk apa pertemuan selanjutnya
  • 00:49:53
    tapi bukan minggu depan dipertuan
  • 00:49:56
    selanjutnya itu mungkin habis UTS itu
  • 00:49:58
    ibu akan Jelaskan bagaimana tahapan
  • 00:50:00
    kalian bisa akhirnya nanti menentukan
  • 00:50:04
    kualitas kayak tadi contohnya mufassir
  • 00:50:07
    dalam mendorong kualitas tomat ya
  • 00:50:09
    batasnya bagus atau tidak matang atau
  • 00:50:11
    Masih betah tuh nginep itu sampai
  • 00:50:18
    penggunaan di mesin lainnya di Kayak
  • 00:50:21
    misalnya metode KNN tabir nspm itu
  • 00:50:25
    semuanya sudah diajarkan ya jadi bunda
  • 00:50:27
    ajarkan lagi karena kasih sudah di depan
  • 00:50:30
    mata kuliah mesin
  • 00:50:32
    nih Sudah ya kmmc udah pernah ibu-ibu
  • 00:50:41
    monavie putih warnanya ini record-nya
  • 00:50:44
    yang Ibu muncul ini nanti bisa di share
  • 00:50:51
    di grup nggak Bu soalnya nggak mungkin
  • 00:50:55
    saya tidak terlalu sayang Makasih Bu ya
  • 00:50:59
    nggak ngitung dolar di YouTube kalau
  • 00:51:02
    misalnya Oke jadi minggu depan mungkin
  • 00:51:07
    ada beberapa atihan dari video yang
  • 00:51:09
    besar harap dilatih hati ya in video
  • 00:51:12
    yang uzur itu asli semuanya Ibu sudah
  • 00:51:15
    coba Ibu cobain menu baru kalau ibu rasa
  • 00:51:18
    ibu bisa berhasil Seharusnya kamu bisa
  • 00:51:20
    kalau misalnya ibu coba-coba ndak
  • 00:51:22
    berhasil Betty benda akan memberikan
  • 00:51:26
    kalian itu ya makanya kalau bisa yang
  • 00:51:29
    ada yang bermasalah bahkan ditanya
  • 00:51:32
    Hai atas anu seperti ini Sayang kok
  • 00:51:34
    nangis Ah mengikuti arahan yang di
  • 00:51:36
    YouTube to itu Oh ya bau-bau J saran
  • 00:51:42
    coba nunggu ini jangan lupa yang kelas
  • 00:51:45
    itu diamkan sangat sampai pertemuan hari
  • 00:51:48
    ini ya kita sih full kelas B juga kosbin
  • 00:51:52
    dada ya besok di kelas itu Usahakan
  • 00:51:56
    semuanya nanti mulai minggu depan Ibu
  • 00:52:01
    aku sebentar dulu akan kos sudah
  • 00:52:04
    absennya saya yang lainnya jangan lupa
  • 00:52:13
    sudah banyak classroom Ibu slime-nya
  • 00:52:23
    sudah buka Google Oh iya baik OTW ya
  • 00:52:32
    itu kelas acid batu kelas begini yang
  • 00:52:35
    lain buka Sita saja kosan nih semua
  • 00:52:40
    kehadiran nih ya sampai yang hari ini
  • 00:52:43
    tanggal berapa hari ini ya blue 11-11
  • 00:52:50
    isi lengkap yang ada yang kosong oke
  • 00:52:55
    tidak ada tugas kalian became saja yang
  • 00:53:00
    penting kalian tahu ya sebenarnya
  • 00:53:02
    ekstraksi fitur-fiturnya yang namanya
  • 00:53:06
    komputer pasti berkutat dengan angka
  • 00:53:09
    berarti fiturnya terus bebek di olah
  • 00:53:12
    menjadi sebuah angka-angka ini yang akan
  • 00:53:15
    diolah sama nnnnn atau SGM yang nantinya
  • 00:53:20
    bisa diklasifikasi berdasarkan nilai
  • 00:53:24
    fitur-fitur ini apakah outputnya bisa
  • 00:53:28
    terdeteksi atau tidak maunya kualitasnya
  • 00:53:30
    bagus aja bisa
  • 00:53:32
    atau nyata bebas itu lemon atau apel
  • 00:53:34
    atau bisanya ini matang atau tidak
  • 00:53:37
    matang tergantung dengan produk kalian
  • 00:53:39
    Mau nyapa nantinya ibu akan ajarkan
  • 00:53:42
    sampai seperti itu tetapi mungkin tidak
  • 00:53:45
    terlalu ditentukan sendiri ibunya hanya
  • 00:53:50
    mengarahkan saja ya jadi suami saya
  • 00:53:52
    disuruh mengajar sedetail itu sepertinya
  • 00:53:57
    kurang bagus ya Tapi belum Sekarang jadi
  • 00:54:03
    latihan-latihan tanya dulu Pak
  • 00:54:04
    fighternya kalaupun nanti endingnya the
  • 00:54:08
    Saya mau kalian kelompok itu bisa
  • 00:54:11
    membangun sebuah aplikasi yang bisa nah
  • 00:54:15
    aplikasi computer Vision ya Ah tujuannya
  • 00:54:18
    mau mendeteksi entah tujuannya
  • 00:54:20
    menentukan kualitas Terserah kalian mau
  • 00:54:24
    rekognisi oke juga karena banyak sekali
  • 00:54:31
    buah-buahan
  • 00:54:32
    Indonesia mendeteksi ekspresi mendeteksi
  • 00:54:34
    orang gerak-geriknya orang berjalan atau
  • 00:54:38
    dia mata duduk dan sebagainya itu banyak
  • 00:54:40
    sekali 6 tidak kasih wassalamualaikum
  • 00:54:50
    warahmatullahi wabarakatuh
  • 00:54:53
    Waalaikumsalam warahmatullah berkulit
  • 00:54:56
    bumbu Terima kasih minyak jangan lupa
  • 00:54:59
    absennya ya butuh sekarang ngasih
Tags
  • Segmentation d'image
  • Extraction de caractéristiques
  • Vision par ordinateur
  • Différenciation d'objets
  • Caractéristiques naturelles
  • Caractéristiques artificielles
  • Traitement d'image
  • Représentation graphique
  • Analyse d'image
  • Machine learning