KeynoteSummary 181401048
KeynoteSummary 181401048
Dailey
Getting Something For Nothing
Kita sekarang tinggal pada masa deep learning, metode deep learning dapat memecahkan
berbagi masalah. Deep learning dapat meningkatkan performa pada sistem. Masalah mulai
muncul ketika kita tidak memiliki data yang cukup. Salah satu pengaplikasian deep learning
adalah mendeteksi perbedaan dua gambar.
Pertama kita perlu mengumpulkan data, dalam kasus ini kendaraan. Kita dapat memasang
kamera dan kita bisa mendapatkan data mobil yang tidak berubah baik ketika masuk ataupun
keluar gedung. Langkah selanjutnya memisahkan piksel kendaraan dengan hal sekitarnya dengan
melakukan instance segmentation yang mengakibatkan terpisahnya objek khusus dengan daerah
sekitarnya.
GANs (General Adversarial Network) terdiri dari dua jaringan neural yaitu G (Generator)
dan D (Discrimination). Generator berfungsi untuk membuat representasi dari inputan dan juga
mengeluarkan sampel yang mirip dengan aslinya. Pada saat yang sama Discrimator mencoba
memberitahu antara data yang asli dan palsu dan membuat sampel berdasarkan Generator.
GANs sangat ahli dalam mengelola gambar. Kita bisa memasukkan sebuah gambar dan
kemudian dimodifikasi menjadi hal yang sangat berbeda dari gambar aslinya. Langkah
selanjutnya dalam deep learning kita dapat memecahkan masalah keselarasan gambar dengan
menggunakan GANs.
Langkah berikutnya yaitu dengan mengubah deteksi. Setelah masalah keselarasan gambar
dipecahkan, kita perlu membuat perubahan deteksi. Ini digunakan untuk mengetahui perbedaan
piksel antar gambar. Namun, ini memerlukan sampel gambar kendaraan yang sama hingga
ribuan sampel dan ini sangatlah mahal. Masalah ini dapat diselesaikan dengan GANs.
Masalah sampel dapat dipecahkan dengan mengubah sudut gambar dari kendaran dan itu
dipecahkan dengan menggunakan GANs. Setelah semua masalah dipecahkan, kita dapat
mendeteksi apakah kondisi kendaraan sama pada saat sebelum dan sesudah.
Keynote Speaker 2 - Prof. Gyun Woo
How to Promote Student Activities in the COVID Pandemic?