VISION

    Artificial Intelligence

pemahaman citra adalah yang paling sulit, sehingga menjadi pembahasan pada banyak studi tentang AI. Beberapa masalah yang dihadapi dalam pengolahan citra adalah : 

 

1. Suatu citra adalah dua dimensi (2-D), sementara semua object didunia ini adalah tiga dimensi (3-D), sehingga sebagian informasi akan hilang pada saat kita merekam object (3-D) ke dalam citra (2-D). 

 

2. Suatu citra mungkin berisi beberapa object, dan tiap object dapat terdiri dari beberapa bagian lagi. 

 

3. Nilai dari tiap pixel dipengaruhi oleh banyak fenomena yang berbeda, seperti warna object, sumber cahaya, sudut pengambilan gambar, jarak kamera dari object, polusi udara dsb. Dan sangat sulit untuk menghindari pengaruh tsb terhadap object. Pada dasarnya, citra 2-D sangat membingungkan karena dari suatu citra 2-D kita dapat membentuk beberapa gambaran 3-D yang akan meningkatkan citra tsb.

Pengertian Vision 

Vision merupakan suatu aplikasi komputer, dimana didalamnya dapat mencakup navigasi robot, tugas manufaktur yang rumit, analisis citra satelit, pemrosesan citra medis, dsb. 

Vision (visi) dapat diartikan sebagai suatu cara/teknik untuk mentransfer sebuah citra menjadi informasi yang lebih berguna. Citra (image) adalah apa yang ditangkap oleh suatu alat perekam gambar seperti kamera foto atau video. 

KONSEP VISION

Kamera video menyajikan komputer suatu citra yang direpresentasikan sebagai butiran (titik-titik) dua dimensi dengan tingkat intensitas (keabuan) yang berbeda-beda yang disebut pixel. Tiap pixel dapat memiliki informasi tunggal (seperti hitam/putih) atau banyak informasi (seperti nilai sebenarnya dari intensitas dan informasi warna). Sebuah citra visual dapat terdiri dari ribuan pixel.

 

TUGAS UTAMA VISION

1. Signal Processing (pemrosesan sinyal) Mempertajam citra, baik untuk penglihatan manusia maupun sebagai input untuk proses yang lainnya. 

 

2. Measurement Analysis (analisis ukuran) Untuk citra yang berisi object tunggal, menentukan perluasan dua dimensi dari object yang digambarkan. 

 

3. Pattern Recognition (pengenalan pola) Untuk citra berisi object tunggal, mengklasifikasi object kedalam kategori dari beberapa kemungkinan yang ada. 

 

4. Image Understanding (memahami citra) Untuk citra yang berisi banyak object, mendapatkan lokasi object dalam citra, mengklasifikasikannya, dan membentuk gambar model tiga dimensi.

 

Masalah Di Vision

Pada dasarnya, citra 2-D sangat membingungkan karena dari suatu citra 2-D kita dapat membentuk beberapa gambaran 3-D yang akan meningkatkan citra tsb.

Vision AI Dan Penerapannya

1. Pengetahuan komponen citra tingkat rendah seperti bayangan, texture, warna dan pantulan cahaya, untuk menentukan gambaran interpretasi yang paling mendekati dari suatu citra. 

 

2. Menggunakan lebih dari satu citra untuk object yang sama yang akan berguna dalam menyusun struktur 3-D. 

 

 3. Stereo Vision, yaitu penggunaan dua atau lebih kamera untuk menghasilkan banyak sudut pandang yang simultan terhadap suatu object 

 

4. Pengetahuan tentang bagaimana menbuat efek bergerak pada suatu citra juga akan membantu interpretasi citra.

Kipra Vision AI Di Indonesia

Soal kiprah, Nodeflux sebelumnya juga ikut terlibat dalam proyek kamera keamanan yang 

memantau berjalannya Asian Games 2018 dan IMF-World Bank Group Annual Meeting 2018 di Bali

Meidy menceritakan, saat Asian Games 2018, Nodeflux bekerja sama dengan pihak kepolisian 

untuk menyediakan teknologi pengenalan wajah yang dipasang di CCTV, tujuannya untuk 

memantau keamanan

Tidak hanya itu, melalui kecerdasan buatan, startup yang bermarkas di Kemang ini juga mampu 

mengestimasi berapa banyak jumlah massa dari sebuah kerumuman.