Klasifikasi hanyalah salah satu dari banyak tugas computer vision. Section ini memperluas jangkauan ke deteksi objek dengan bounding box, segmentasi pada tingkat piksel, pencarian gambar lewat embedding, hingga pendekatan Vision Transformer yang menggantikan convolution dengan attention.

# Klasifikasi Gambar

Jalankan pipeline inferensi klasifikasi gambar dari awal sampai akhir — load, resize/normalize, forward, softmax, top-k — pada CNN mini dataset digits, lalu bedah prediksi salah dan keandalan skor keyakinan model.

Buka → # Image Augmentation

Terapkan transformasi augmentasi gambar — flip, rotasi, crop, geser, brightness, noise — dengan implementasi NumPy murni pada digits, lalu buktikan dampaknya lewat eksperimen noise + geser: akurasi kondisi bergeser melonjak dari 0.150 ke 0.600 tanpa menurunkan akurasi kondisi bersih.

Buka → # Object Detection

Perluas klasifikasi menjadi deteksi objek: klasifikasi plus lokalisasi untuk tiap objek dalam satu gambar, pahami dua keluarga detektor one-stage dan two-stage, lalu jalankan demo mekanisme NumPy murni — grid 4x4, skor objectness, dan NMS — pada gambar sintetis berisi dua objek.

Buka → # Bounding Box

Kuasai bahasa koordinat object detection: tiga format bounding box dan konversinya, IoU dari formula sampai lima kasus konkret dengan angka nyata, serta NMS langkah demi langkah yang memangkas 4 kandidat menjadi 2 deteksi — fondasi langsung bagi metrik evaluasi deteksi.

Buka → # Metrik Object Detection

Ukur kualitas deteksi objek dengan benar: precision dan recall versi deteksi lewat pencocokan IoU, Average Precision sebagai luas di bawah kurva P-R, serta mAP dengan ambang 0.5 dan 0.5:0.95, semuanya dihitung dari nol dengan NumPy.

Buka → # Semantic Segmentation

Geser unit keputusan dari gambar utuh ke tiap piksel: pahami arsitektur encoder-decoder dengan skip connection ala U-Net, loss cross-entropy per piksel dan Dice, lalu hitung pixel accuracy, IoU per kelas, dan Dice dengan NumPy pada mask digits.

Buka → # Instance Segmentation

Pisahkan tiap objek menjadi mask tersendiri: kenali bedanya dengan semantic segmentation, pahami Mask R-CNN dan RoIAlign, lalu uji keterbatasan connected components pada dua objek sekelas yang saling menempel dengan NumPy dan scipy.

Buka → # Image Embedding

Ubah gambar menjadi vektor fitur lewat backbone tanpa classifier head, ukur kemiripan dengan cosine similarity, lalu bangun sistem pencarian gambar sederhana: CNN dilatih pada digits, embedding 32 dimensi diambil dari layer kedua terakhir, dan 5 query mengembalikan top-3 gambar paling mirip.

Buka → # Face dan Landmark Detection

Deteksi wajah dengan anchor multi-scale, tandai titik kunci mata, hidung, dan mulut sebagai landmark, uji pipeline klasik blur-threshold-connected components pada citra sintetis NumPy, lalu pahami kewajiban etika dan privasi saat mengolah data wajah.

Buka → # Vision Transformer

Ganti convolution dengan attention: potong gambar menjadi patch, proyeksikan jadi token dengan class token dan positional embedding, lalu jalankan encoder transformer standar; uji patchify pada digits dengan NumPy dan bandingkan karakter CNN lawan ViT.

Buka →