COMPUTER VISION ENTHUSIAST

Virtual enviroment merupakan salah satu fasilitas yang dibutuhkan untuk memisahkan antara file-file eksekusi/library yang digunakan untuk OS system dengan yang file-file eksekusi/library yang digunakan untuk kerperluan lain. Mengapa demikian? karena ada kalanya library yang digunakan oleh OS mempunyai lebih rendah daripada yang kita ingin gunakan untuk pekerjaan yang lain. Selain itu, virtual env juga bisa digunakan untuk penggunaan multi user pada komputer yang sama tetapi dengan space privasi yang berbeda.

Keras! Keras merupakan Python Deep Learning Library dan saya akan membahas sedikit tentang library ini. Yang perlu diingat adalah Keras bukan deep learning framework sehingga untuk dapat berjalan, Keras harus digabungkan dengan salah satu deep learning framework. Deep learning framework yang didukung oleh Keras adalah TensorFlow (buatan Google) dan CNTK (buatan Microsoft). Apa yang menjadikan Keras menjadi salah satu library yang paling direkomendasikan karena kemudahan dalam penggunaannya. Pada beberapa bulan ini, saya mencoba menggunakan library Keras sebagai pengganti Caffe dan jujur, Keras cukup mudah untuk dipelajari, meskipun ada beberapa fitur Caffe yang tidak terdapat di Keras. Salah satu fitur Caffe yang tidak ada di Keras adalah kemampuan untuk menyimpan proses pelatihan jika user menekan Ctrl+C (mungkin ini kenapa saya jatuh cinta pada Caffe karena di Indonesia banyak sekali interupsi ketika proses pelatihan sedang berjalan).

Fine-Grained Classification merupakan salah satu topik pada bidang visi komputer (Computer Vision) dengan tujuan pengenalan (klasifikasi) benda detil (fine-grained). Sebagai contoh, fine-grained car classification adalah penelitian dengan tujuan melakukan pengenalan merk mobil, seperti BMW i320 versi 2010, dll. Selain mobil, ada beberapa fine-grained dataset yang tersedia secara publik untuk digunakan dalam penelitian, diantaranya adalah dataset keanekaragaman burung, keanekaragaram kupu-kupu, tipe pesawat terbang, keanekaragaman bunga, dll.

Pada posting kali ini saya akan menjelaskan penelitian pertama saya yang menggunakan klasifier CNN (Convolutional Neural Network). Penelitian ini tidak dipublikasi di konferensi/pertemuan ilmiah, tetapi dipublikasikan pada preprint website arxiv.org. Alamat lengkap dari makalah yang diterbitkan di arxiv.org adalah  https://arxiv.org/abs/1510.07391 .

Caffe Deep Learning Framework ( http://caffe.berkeleyvision.org/ ) merupakan salah satu dari sekian banyak deep learning framework yang dapat digunakan untuk merancang dan menjalankan klasifier neural network. Mengapa Caffe saya pilih? Kembali ke pertengahan tahun 2014, ketika pertama kali saya melakukan penelitian tentang deep learning dan hanya beberapa framework yang tersedia, diantaranya adalah Caffe, Theano, dan DeepLearning4J. DeepLearning4J tidak mungkin saya pilih karena pada waktu itu hanya terdapat interface ke Java dan C++. Theano merupakan kandidat kedua dan saya menggunakannya dalam beberapa bulan, tetapi saya cukup mempelajari bagaimana menggunakan Theano untuk merancang suatu neural network klasifier. Pilihan terakhir adalah Caffe dan ternyata saya cukup mudah mempelajari bagaimana Caffe bekerja. Dari akhir tahun 2014 hingga tahun 2017, cukup banyak pula para peneliti yang menggunakan framework tersebut sehingga tersedia banyak dukungan untuk troubleshooting. Hingg...