Pentingnya Anotasi Gambar dalam Machine Learning

Apa itu data anotasi gambar? Coba lihat salah satu gambar di galeri gadget kita, umumnya dalam sebuah gambar terdapat banyak objek. Contoh ketika kita foto di pantai, cenderung terdapat objek pohon kelapa, pasir, ombak, orang dan sebagainya. Nah, relatif mata manusia dapat dengan mudah membedakan setiap objek tersebut bukan? Tetapi berbeda dengan mesin yang mesti diajarkan dengan menspesifikkan suatu objek agar mesin dapat belajar mengenali objek dengan tepat dan cepat. Itulah poin dari anotasi gambar, yaitu untuk memperjelas suatu objek dalam sebuah gambar.

Dalam artikel kali ini, akan dibahas mengenai anotasi gambar, mulai dari pengertian, jenis, urgensinya dalam ML, dan penggunaan anotasi gambar. Mari pelajari bersama.

Apa Itu Anotasi Gambar?

Anotasi gambar adalah proses memberikan keterangan berupa tag/kata kunci dan sebagainya dalam suatu data untuk tujuan pelatihan model. Menganotasi gambar adalah kegiatan memberikan suatu pembatas khusus dalam mengenali suatu objek tertentu, baik satu gambar hanya terdiri dari satu objek atau terdiri dari lebih dari satu objek gambar yang diberi pembatas.

Contoh sederhana dari hal ini adalah memberikan anotator manusia gambar buah-buahan dan meminta mereka memberi label pada setiap gambar dengan nama yang benar. Gambar-gambar beranotasi ini (alias, data kebenaran dasar) kemudian akan dimasukkan ke dalam algoritma computer vision. Model kemudian dapat membedakan buah dari gambar yang tidak dianotasi setelah dilatih.

6 Jenis Anotasi Gambar

Anotasi gambar sendiri memiliki beberapa jenis, mungkin salah satu dari enam jenis berikut pernah Anda temui atau akan Anda gunakan dalam project data science Anda. Yuk, simak apa saja jenis dari anotasi gambar yang umum digunakan.

1. Bounding Boxes

Bounding Boxes atau kotak pembatas adalah salah satu jenis anotasi yang umumnya digunakan dalam ranah computer vision. Kotak pembatas seperti kotak persegi panjang akan digunakan untuk menentukan lokasi objek target. Penentuan lokasi ditentukan dengan koordinat sumbu 𝑥 dan 𝑦 di sudut kiri atas dan koordinat sumbu 𝑥 dan 𝑦 di sudut kanan bawah persegi panjang. Kotak pembatas umumnya digunakan dalam tugas deteksi dan lokalisasi objek.

Kotak pembatas biasanya diwakili oleh dua koordinat (x1, y1) dan (x2, y2) atau oleh satu koordinat (x1, y1) dan lebar (w) dan tinggi (h) kotak pembatas. (Lihat gambar di bawah)

Kotak pembatas yang menunjukan koordinat x1, y1, x2, y2, lebar (w) dan tinggi (h)

2. Polygonal Segmentation

Objek tidak selalu berbentuk persegi panjang. Dengan ide ini, segmentasi poligonal adalah jenis lain dari anotasi gambar di mana poligon kompleks digunakan sebagai pengganti persegi panjang untuk menentukan bentuk dan lokalisasi objek dengan cara yang lebih tepat.

3. Semantic Segmentation

Segmentasi semantik adalah anotasi berdasarkan piksel, dimana setiap piksel dalam gambar ditetapkan ke suatu kelas. Kelas-kelas ini bisa berupa pejalan kaki, mobil, bus, jalan raya, trotoar, dll., dan setiap piksel membawa makna semantik. Segmentasi semantik terutama digunakan dalam kasus di mana konteks lingkungan sangat penting. Misalnya, ini digunakan dalam mobil dan robot yang dapat mengemudi sendiri karena agar model dapat memahami lingkungan tempat mereka beroperasi.

4. 3D Cuboids

Kubus 3D mirip dengan kotak pembatas dengan informasi kedalaman tambahan tentang objek. Dengan demikian, dengan kubus 3D Anda bisa mendapatkan representasi objek 3D, memungkinkan sistem untuk membedakan fitur seperti volume dan posisi dalam ruang 3D.

Kasus penggunaan kubus 3D ada di mobil self-driving yang dapat menggunakan informasi kedalaman untuk mengukur jarak objek dari mobil.

5. Key-Point and Landmark

Anotasi titik kunci dan sesuatu yang dilihat digunakan untuk mendeteksi objek kecil dan variasi bentuk dengan membuat titik di seluruh gambar. Anotasi jenis ini berguna untuk mendeteksi fitur wajah, ekspresi wajah, emosi, bagian tubuh manusia, dan pose.

6. Lines and Splines

Seperti namanya, jenis ini adalah anotasi yang dibuat dengan menggunakan garis dan splines. Ini biasanya digunakan pada kendaraan otonom untuk deteksi dan pengenalan jalur.

Pentingnya Anotasi Gambar dalam Machine Learning

Anotasi gambar jelas sangat penting dalam Machine Learning, karena kualitas sebuah model Machine Learning sangat ditentukan oleh data pelatihan (input). Hal ini dapat diperjelas oleh frasa terkenal dalam Machine Learning “Garbage in Garbage out”, yang bermakna bahwa apabila yang masuk (input) adalah sampah/buruk maka yang keluar (output) adalah sampah pula (buruk).

Anotasi gambar adalah dasar dari algoritma computer vision karena mereka membuat data pelatihan yang merupakan masukan untuk algoritma supervised learning. Anotasi berkualitas tinggi akan memungkinkan model computer vision untuk melihat dunia dan memperoleh wawasan yang akurat. Anotasi berkualitas rendah menghasilkan model yang tidak memiliki pemahaman yang baik tentang objek dunia nyata yang relevan dan karenanya berkinerja buruk.

Use Cases Anotasi Gambar

Dengan bantuan foto digital, video, dan model ML, komputer dapat belajar memahami lingkungan visual seperti yang dilakukan manusia. Anotasi berkualitas tinggi membantu mendorong keakuratan model computer vision yang digunakan dalam berbagai aplikasi yang semakin luas.

- Kendaraan Otonom

Algoritma ML untuk mobil otonom tentunya harus mampu mengenali hal-hal seperti rambu jalan, lampu lalu lintas, jalur sepeda, dan potensi risiko jalan lainnya seperti cuaca buruk. Contoh nyata penerapan yang umum seperti sistem bantuan pengemudi lanjutan (ADAS), navigasi dan respons kemudi, deteksi objek jalan (dan dimensi), dan pengamatan gerakan (seperti dengan pejalan kaki).

- Pengawasan dan Keamanan

Kamera keamanan ada di mana-mana akhir-akhir ini, dan perusahaan mengeluarkan banyak uang untuk peralatan pengawasan untuk menghindari pencurian, vandalisme, dan kecelakaan. Anotasi gambar digunakan dalam deteksi kerumunan, penglihatan malam dan termal, gerakan dan pemantauan lalu lintas, pelacakan pejalan kaki, dan identifikasi wajah. Insinyur ML dapat melatih kumpulan data untuk peralatan video dan pengawasan menggunakan foto beranotasi untuk menyediakan lingkungan yang lebih aman.

- E-commerce & Retail

Anotasi gambar dapat sangat meningkatkan pengalaman pelanggan dan memudahkan mereka menemukan produk yang mereka cari. Ini memastikan bahwa produk memiliki informasi yang benar dan dikategorikan dengan benar untuk relevansi pencarian yang lebih baik untuk rekomendasi produk.

- Kesehatan

Dalam perawatan kesehatan, AI dapat membantu meningkatkan ketepatan diagnosis dan meningkatkan standar perawatan. Melalui CT scan dan MRI, yang keduanya beroperasi berdasarkan model ML yang terlatih dengan data citra medis yang signifikan, penyakit termasuk tumor otak, pembekuan darah, dan beberapa penyakit neurologis dapat didiagnosis. Ini dapat secara dramatis mempersingkat waktu tunggu pasien, meminimalkan kesalahan dan menghilangkan biaya peralatan yang mahal.

- Olahraga, Media & Hiburan

Revolusi teknologi olahraga, permainan, dan hiburan menggunakan alat AI mutakhir untuk meningkatkan kinerja atau memberi penggemar pengalaman yang lebih mendalam, seperti peningkatan analisis kinerja individu dan tim, pengeditan fx-video, atau kontrol gerakan karakter.

Kesimpulan

Anotasi gambar merupakan proses memberikan suatu pembatas dalam mengenali objek. Terdapat beberapa jenis anotasi gambar yaitu Bounding Boxes, Polygonal Segmentation,

Semantic Segmentation, 3D Cuboids, Key-Point and Landmark hingga Lines and Splines. Kemudian Anotasi gambar sangat penting dalam Machine Learning karena merupakan input pelatihan yang akan sangat mempengaruhi output model Machine Learning. Lalu kasus penggunaan anotasi gambar relatif sangat banyak mulai dari Kendaraan Otonom, Pengawasan dan Keamanan, E-commerce & Ritel,  Kesehatan hingga Olahraga, Media & Hiburan.

Jika Anda tertarik mempelajari Machine Learning dan pemanfaatannya lebih lanjut hingga berkarir di dunia data menjadi seorang data scientist handal, Anda dapat mengikuti Bootcamp Algoritma Data Science yang memiliki serangkaian program yang dapat membantu Anda menguasai dunia data di industri yang Anda minati. Yuk, bergabung bersama Algoritma sekarang!

TONI ANDREAS SUSANTO