Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
1
PENDAHULUAN
2
Tujuan Perkuliahan Dapat mengetahui metode dan teknik yang digunakan pada Pengenalan Pola
3
Materi Perkuliahan Dasar-dasar Pengenalan Pola
Model dan sistem pengenalan pola Teori keputusan Bayesian Metode Bayesian dan HMAP Recognition dan interpretation pada citra Pattern Recognition dan Data Mining Pohon keputusan Pengklasteran Pemilihan Fitur Hidden Markov Model
4
Evaluasi Perkuliahan 1 UTS 35% 2 UAS 3 Tugas Tugas 30%
5
Bahan Pustaka Wajib Anjuran
Richard O. Duda, et. al, Pattern Classification 2nd Edition, John Wiley & Sons, Inc., 2001. Anjuran K. Fukunaga, "Introduction to Statistical Pattern Recognition," Academic Press, 1990.
6
Pengenalan Pola Didefinisikan ..
Ilmu yang berkaitan dengan pendeskripsian atau pengklasifikasian (pengenalan) hasil suatu pengukuran (measurement) Pendekatan yang telah banyak digunakan pendekatan statistik (Decision Theoritic) pendekatan sintaktik (struktural) Jaringan Saraf Tiruan (Neural Network) yang menjadi alternatif pendekatan pengenalan pola terutama untuk implementasi algoritma black box Ketiga model pendekatan tersebut, tidak satu pun yang menjamin pemecahan yang paling optimal bagi semua masalah
7
Teknik Pengenalan Pola
Teknik-teknik pada Pengenalan Pola akan terkait dengan bidang keilmuan lainnya yaitu Sistem dan Pengolahan Sinyal Kecerdasan Buatan Pemodelan Neural Teori Estimasi dan Optimasi Teori Automata Himpunan Fuzzy Pemodelan Struktural Bahasa Formal
8
Aplikasi Pengenalan Pola
Prapengolahan, Segmentasi dan Analisis Citra Visi Komputer Analisis Seismik Analisis Multispektral Pengenalan Wajah Pengenalan Suara Pengenalan Sidik Jari Pengenalan Tulisan Tangan Data Mining
9
Pengklasifikasian Data LANDSAT
Data Input LANDSAT-TM Band 5 Derajat Keanggotaan vs Brightness Value Partisi Fuzzy 1D Hasil Pengklasifikasian dengan Metode Explicit Fuzzy
10
Are They From the Same Person?
11
Pengenalan Sidik Jari Pra Pemrosesan Ekstraksi Pola Tangan
Nilai Ambang
12
Komponen Sistem Pengenalan Sidik Jari
Alat optik untuk mengambil gambar sidik jari Komputer untuk pemrosesan gambar Perangkat lunak Penyimpanan data multimedia (gambar sidik jari) Jaringan komputer Integrasi sistem DIKENALI Alat optik untuk mengambil gambar sidik jari Server Utama
13
Pengenalan Suara
14
Pengenalan Wajah
15
Contoh Pola Visual The University of Bern (UB) face database memuat 30 orang yang masing-masing memiliki 10 citra wajah frontal. Basisdata UB memiliki karakteristik adanya perubahan yang relatif kecil pada facial expression serta perubahan posisi kepala kearah kiri, kanan, atas dan bawah sebesar 30 derajat
16
Deteksi Wajah Tampak Muka
Deteksi muka tampak depan dan bagian vertikalnya: Data muka tersedia dengan semua ukuran dan skala tertentu Data muka setiap orang tersedia dengan beberapa ekspresi berbeda Kondisi pencahayaan mempengaruhi pengenalan Ciri khusus pada gambar wajah (tua/muda, laki-laki/perempuan, memakai kacamata) Tujuan desain sistem deteksi wajah: Membuat algoritma yang cepat Membuat algoritma dengan keakurasian tinggi Pencarian Wajah
17
Komponen Sistem Pengenalan Wajah
Alat optik untuk mengambil gambar wajah Komputer untuk pemrosesan gambar Perangkat lunak Penyimpanan data multimedia (gambar wajah) Jaringan komputer Integrasi sistem Server Utama DITOLAK
18
Texture Discrimination
19
Shape Discrimination
20
Optical Character Recognition
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.