Dokumen ini membahas pengembangan metode baru untuk pendeteksian wajah pada citra digital kompleks dengan menggunakan pendekatan multiaspek yang terintegrasi.
Pendeteksian Banyak Wajah pada CItra Dijital Kompleks dengan Pendekatan Multiaspek
1. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Pendeteksian Banyak Wajah
Pada Citra Dijital Kompleks
Menggunakan Pendekatan Multiaspek
Setiawan Hadi - 33503505 - 14 Mei 2008
Sekolah Teknik Elektro dan Informatika
Institut Teknologi Bandung
4. Given an arbitrary image,
the goal of face detection is
to determine whether or not
there are any faces in the image
and, if present ...
return the image location and
extent of each face.
Yang (2004)
14. Umumnya hanya menggunakan satu teknik saja, padahal dalam
kondisi nyata kombinasi permasalahan sangatlah kompleks,
sehingga tidak mungkin diselesaikan dengan satu cara saja
18. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Dasar Penelitian
Perlunya Penyempurnaan Untuk
Menghasilkan metode baru pendeteksian wajah yang mampu:
• mengatasi berbagai permasalahan dengan melibatkan banyak
metode yang diintegrasikan dalam sebuah sistem pendeteksian
wajah
• mendeteksi wajah banyak dengan tingkat akurasi tinggi,
• mendeteksi wajah dalam kondisi pencitraan yang sederhana
maupun kompleks,
• mendeteksi wajah dalam waktu nyata pada waktu relatif cepat
dan menggunakan sumberdaya komputasi relatif kecil.
19. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Hipotesis Penelitian
Sebuah metode baru untuk pendeteksian
objek pada citra dijital yang mampu
mendeteksi banyak wajah (multiple
faces) pada citra dijital yang
mengandung kerumunan orang (crowded,
complex and unconstrained image) secara
waktu nyata (real-time) dapat
dikembangkan menggunakan teknik
multiaspek yang terdiri dari tiga
tahapan (fase) pemrosesan yang terpadu
dan dinamis yaitu segmentasi, filtering
dan analisis objek. Kinerja yang
dihasilkan akan lebih baik dari metode
yang ada saat ini.
20. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Kontribusi Penelitian
• Meningkatan kinerja pendeteksian wajah melalui pendekatan baru yaitu
pemanfaatan berbagai metode pendeteksian wajah yang sesuai dengan
karakteristik masing-masing serta pemilihan nilai parameter yang dinamis,
sehingga dengan kemampuan multiaspek ini berbagai kondisi wajah dalam
citra dijital maupun kondisi citra dijital itu sendiri dapat ditangani secara
spesifik sesuai dengan karakteristiknya masing-masing.
32. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Pengembangan Metode Segmentasi
Karakteristik Citra Untuk Pembangunan Model Warna Kulit
Model Citra Rata-rata (RGB) Deviasi (RGB) Catatan
SM1 256 138, 104, 71 24, 20, 13 Mhs PTS
SM2 170 170, 121, 96 11, 9, 8 Dosen PTN
SM3 187 160, 114, 94 21, 15, 12 Dosen PTN
SM4 177 192, 129, 102 23, 17, 14 Artis Indonesia
SM5 130 183, 136, 112 20, 15, 13 Pejabat Indonesia
SM6 210 166, 125, 105 21, 16, 15 Non-Indonesia
SM7 132 177, 157, 112 20, 23, 21 Mhs PTN
SM8 134 95, 68, 47 18, 11, 8 FERET
SM9 109 112, 90, 74 20, 16, 15 Indonesia Timur
33. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Pengembangan Metode Segmentasi
Proses Segmentasi
S = I(x, y) ∩ Ω(C, Θ)
S adalah keputusan apakah nilai
intensitas pada posisi tertentu I(x, y)
memenuhi kriteria Ω(C, Θ), yaitu
metode segmentasi kulit Ω pada ruang
warna C dan nilai ambang Θ.
34. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Pengembangan Metode Segmentasi
Piecewise Linier Decision Boundary
• Berdasarkan hasil empiris bahwa region citra yang mengandung piksel
kulit akan terkonsentrasi pada interval tertentu
• Keputusan didasarkan pada batas linier region citra yang mengandung
piksel kulit dan region citra yang mengandung piksel bukan kulit
• Diterapkan pada ruang warna bervariasi (RGBn, HSI dan YCbCr)
• Rk = {x : k = arg max
j
δj(x)}
Gaussian Mixture Model
• Didasarkan pada konsep bahwa warna kulit berdistribusi normal
• Penentuan keputusan dilakukan berdasarkan rentang perhitungan
rata-rata dan simpangan baku
• Menghasilkan sembilan model warna kulit dari sembilan basisdata
wajah
• pi(c|skin) = 1
2π|
Ps|
1
2
e− 1
2
(c−µs)T P−1
(c−µs)
37. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Pengembangan Teknik Filtering
Fungsionalitas
Membersihkan citra hasil proses segmentasi dari elemen-elemen yang
terdeteksi sebagai kulit tetapi bukan elemen wajah (false positive
detection)
Filter Morfologis
38. Dilasi : Untuk sebuah citra biner X ⊂ 2
dan structuring
element K ⊂ 2
, maka dilasi citra X oleh K adalah
D(X, K) = X ⊕ K = {m ∈ 2
| m = x + k} pada beberapa
x ∈ X dan k ∈ K
39. Erosi: Untuk sebuah citra biner X ⊂ 2
dan structuring
element K ⊂ 2
, maka erosi citra X oleh K adalah
E(X, K) = X K = {m ∈ 2
| m + k ∈ X} untuk setiap
k ∈ K
47. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Pengembangan Metode Analisis Objek
Tahap ini adalah tahap penghalusan, dimana setiap objek hasil
proses sebelumnya dievaluasi sesuai dengan kriteria yang
diinginkan. pengelompokkan dilakukan sedemikian rupa dengan
mengacu kepada rujukan geometris wajah.
Metode-metode
55. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Pengembangan Metode Analisis Objek
Untuk menganalisis properti geometris objek, sehingga objek-objek yang
tidak memenuhi kriteria dapat diabaikan
Eksentrisitas
Eksentrisitas objek e =
q
1 − b2
a2 ,
dimana a adalah sumbu semi-major
dan b adalah sumbu semi-minor.
57. Untuk pengukuran citra dijital (image measurement) yaitu
mendapatkan karakteristik invarian dari citra, dalam hal ini adalah
ukuran dan pusat gravitasi objek
64. Fase 1: Segmentasi yang mengeksplorasi dan
mengembangkan metode boundary linier dan Gaussian
dalam empat ruang warna dan 9 model warna
65. Fase 2: Filtering yang mengoreksi false positive detection
dengan menggunakan teknik filtering spasial dan
morfologis
66. Fase 3: Analisis Objek yang mengeksplorasi
metode-metode proyeksi, klasifikasi dan analisis geometri
untuk menentukan lokasi objek-objek yang diinginkan
67. Ketiga fase itu diintegrasikan dalam kerangka kerja yang
disebut DeWa, singkatan dari Deteksi Wajah
84. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Tolok Ukur Pengujian
Ground Truth dan Detected Bounding Box (GTBB dan DBB)
Ukuran Ketepatan
1 D = 1
4
(dT L + dT R + dBL + dBR), dT L, dT R, dBL, dBR adalah jarak
Euclidean ujung-ujung GTBB dan DBB
2 D =
q
(GTBBPx − DBBPx )2 + (GTBBPy − DBBPy )2
85. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Basisdata Wajah
Basisdata Wajah Dasar
1 FERET, basisdata standard untuk pengenalan wajah, diterbitkan oleh
National Institute for Standard and Technology (NIST) US
2 VALID, dipublikasikan oleh DSP Research Group University College
Dublin, berisi data dasar untuk pendeteksian wajah (Kelompok I)
3 DWI, Data Wajah Indonesia, citra dasar wajah bangsa Indonesia,
dikumpulkan dari berbagai sumber
4 SI, Data wajah artifisial yang di-generate berdasarkan parameter yang
diinginkan
Karakteristik Kuantitatif (Tabel IV.2 Halaman 63)
Basisdata Citra Piksel Resolusi Format
FERET 735 72.253.440 256 × 384 PNG
VALID 528 54.743.040 360 × 288 JPG
SI 200 20.480.000 320 × 320 PNG
DWI 347 13.316.915 83 · · · 739 × 120 · · · 739 JPG
87. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Basisdata Wajah
Basisdata Wajah Kompleks
1 VALID, berisi data wajah kompleks (Kelompok II)
2 VT-AAST, dikembangkan oleh Virgina Tech dan Arab Academy of ST
berisi citra wajah kompleks untuk pendeteksian wajah
3 mDWI, varian dari DWI berisi wajah kompleks untuk pengujian
pendeteksian wajah dan pengenalan wajah
4 DeWaDB, kumpulan citra wajah kompleks dari berbagai sumber selain
mDWI
Karakteristik Kuantitatif (Tabel IV.3 Halaman 66)
Basisdata Citra Wajah Resolusi Variabilitas
VALID 94 298 416 × 364 pose, orientasi, oklusi, komponen struktural
VT-AAST 21 198 483 × 373 pose, orientasi, gender, ras, struktural kom-
ponen, oklusi
mDWI 171 488 460 × 379 pose, orientasi, gender, struktural kompo-
nen, oklusi, degraded image, half face, large
face, ekspresi, skinny
DeWaDB 94 531 446 × 353 pose, orientasi, gender, struktural kompo-
nen
89. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Hasil Pengujian Keseluruhan3
Pengujian Dengan Basisdata Dasar
Basisdata Citra DR TN FP Kecepatan
FERET 735 90.63% 9.27% 0.0% 0.28 detik
VALID 528 90.86% 9.14% 0.0% 0.25 detik
DWI 347 89.78% 10.22% 0.0% 0.28 detik
SI 200 93.71% 6.29% 0.0% 0.24 detik
Pengujian Dengan Basisdata Kompleks
Basisdata Wajah DR TN FP Kecepatan
VALID 298 91.28% 8.72% 7.67% 0.15 s/f
VT-AAST 196 90.31% 9.69% 9.29% 0.06 s/f
mDWI 488 92.21% 7.79% 7.96% 0.19 s/f
DeWaDB 531 89.45% 10.55% 12.28% 0.08 s/f
3
Kinerja setiap fase dapat dilihat pada halaman 69-76
95. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Benchmarking6
Rangkuman Kinerja
Criteria FaceMatching RTFaceDetect BuFaLo DeWa
Detect > 90 faces No No No Yes %
Detect Small Face Size No No No Yes, 8x8 %
Face Orientation/ Pose Frontal Frontal Frontal Multiview %
Complex Background No Yes* No Yes %
Variety Bounding Box No (1) No (1) No (1) Yes (4) %
Bounding Box Type Rectangle Rectangle Rectangle Rect, Ellips, Plus, Crop %
Detection Accuracy 72.7% 85.25% 79.85% 90.73% %
Detection Time 1.88s N.A. 0.25s 0.24s %
Video Tracking N.A. Full N.A. Partial
Adjustable Parameters Partial Partial No Yes %
Image Type BMP BMP, JPG BMP BMP, JPG, PNG %
6
Tabel lengkap dapat dilihat pada Tabel IV.18 halaman 79
96. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Rangkuman Hasil Pengujian
Kegagalan Pendeteksian (1)
(a) Perbedaan intensitas yang ekstrim. (b) Banyaknya region serupa warna kulit di dekat wajah.
(c) dan (d) Adanya region yang memiliki karakteristik geometrik dan serupa wajah.
97. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Rangkuman Hasil Pengujian
Kegagalan Pendeteksian (2)
(e) Warna kulit tertentu yang belum dikembangkan. (f) dan (g) Citra low-contrast.
(h) Tingkat oklusi yang tinggi dan ukuran wajah yang terlalu ekstrim kecil.
Next: Kesimpulan dan Tindak Lanjut
98. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Kesimpulan dan Tindak Lanjut
Kesimpulan
1 Konsep multiaspek
2 Kontribusi yang signifikan
3 Membuka peluang pengembangan lebih jauh
4 Implementasi pada berbagai media komputasi
5 Kinerja telah diuji dan dievaluasi
Tindak Lanjut
1 Pembuatan universal skin model
2 Pengembangan matematika morfologi berkemampuan tinggi
3 Peningkatan kinerja analisis objek
4 Metode preprocessing
5 Penentuan kriteria pemilihan metode
Next: Publikasi Ilmiah
99. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Publikasi Ilmiah Bersama Promotor dan Co-Prom.
Jurnal Ilmiah
1 DeWa : A multiaspect approach for multiple face detection in complex
scene digital image, Accepted in ITB Journal of ICT Vol. 1C No. 1, 2007
2 Pemodelan Distribusi Warna Kulit Untuk Klasifikasi Piksel Pada Ruang
Warna Krominan, Jurnal GEMATEK, Vol. 9 No. 1 Maret 2007 Hal. 7-15,
ISSN 1411-2086
3 Sebuah Pendekatan Baru dalam Pendeteksian Wajah Pada Citra Digital,
Jurnal INFOMATEK, Vol. 8 No.2, Juni 2006, Hal. 73-80, Bandung ISSN
1411-0856
Penelitian
1 Program Hibah Kompetisi (PHK) A2 Jurusan Matematika FMIPA UNPAD
tahun 2006, Pemanfaatan Informasi Warna Kulit Untuk Pendeteksian
Wajah pada Citra Dijital, sebagai Ketua Peneliti
2 Hibah Pasca Sarjana Institut Teknologi Bandung, 2006 dan 2007, Kerangka
Kerja Cerdas untuk Pemahaman Citra Dijital, sebagai Anggota Peneliti
100. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Publikasi Ilmiah
International Conferences 1/2
1 Detecting multiple faces from non-uniform digital image using multiaspect
approach, Accepted for oral presentation in The 2nd Intl. Conf. on
Advances in Information Technology (IAIT) 2007, 1-2 November 2007,
Thailand.
2 A generic multiaspect framework for multiple face detection in complex
image, in Proc. of Intl. Conf. on Soft Computing, Intelligent Systems and
Information Technology (ICSIIT) 2007, Bali, 26-27 July 2007
3 Mathematical Morphology as Preprocessing Step for Face Identification, in
Proc. of Intl. Conf. on Mathematics and Its Applications (SEAMS) 2007,
UGM, 24-27 Juli 2007
4 Small Device Implementation of Dewa Algorithm, in Proc. of Intl. Conf. on
Electrical Engineering and Informatics (ICEEI) 2007 in Bandung, 16-18
Juni 2007
5 New Approach of Face Detection Technology for Improving Quality of
Biometric Identification, presented in Simposium Kebudayaan Indonesia
Malaysia (SKIM), Universiti Kebangsaan Malaysia 29-31 Mei 2007
101. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Publikasi Ilmiah
International Conferences 2/2
6 Clustering Techniques Implementation for Detecting Faces in Digital Image,
in Proc. of Intl. Conf. of Information and Communication Technology
(ICTS) 2006, ITS, 29 Agustus 2006
7 Parametric Skin Distribution Modeling using Elliptical Boundary Model, in
proceedings of Intl. Conf. on Statistics and Mathematics (ICoMS) 2006,
Bandung, 19-21 Juni 2006
8 Intelligence Skin Model Selection for Face Detection, in proceedings Intl.
Conf. on Intelligence System 2005, Malaysia (ICIS) 2005, 1-3 December
2005
9 Mathematical Model of Skin Color for Face Detection, in proceedings Intl.
Conf. on Applied Mathematics (ICAM) 2005, ITB, 22-26 Agustus 2005
102. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Publikasi Ilmiah
National Conferences
1 Implementasi Learning Vector Quantization, Perceptron dan Self
Organizing Maps Untuk Pendeteksian Wajah pada Citra Dua Dimensi,
Metode Retinex dan Implementasinya pada Dunia Citra Dijital, pada
Prosiding Semnas Matematika Universitas Parahyangan, 9 September 2006
2 Pendeteksian Wajah pada Citra Dijital Menggunakan Teknik Partitioning
dengan Fungsi Validitas Otomatis, Konperensi Nasional Matematika XIII
2006, Unnes Semarang 24-27 Juli 2006
3 Generating Skin Distribution Map of Face Images, Seminar Nasional
Aplikasi Teknologi Informasi (SNATI) 2006, UII Yogyakarta, 17 Juni 2006
4 Human Face Cropping in Digital Image, Seminar on Intelligence and
Technology Application (SITIA) 2006, Surabaya ITS 2-3 Mei 2006
5 Face Sketch Recognition to Support Security Investigation, in Proc. of
Indonesian Cryptographics and Information Security Conference
(INA-CISC) 2005, Jakarta, 30-31 Maret 2005.
104. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Glossary
biometrics The measurement of physiological and behavioral
characteristicsto automatically identify people.
hypotheses A hypothesis consists either of a suggested explanation for a
phenomenon or of a reasoned proposal suggesting a possible
correlation between multiple phenomena. Wikipedia
multiaspect (computer science) Pertaining to searches or systems which
permit more than one aspect, or facet, of information to be
used in combination, one with the other to effect identifying or
selecting operations. Science and Technology Dictionary
McGraw Hill Professional.
premise a premise (also ”premiss” in British usage) is a claim that is a
reason (or element of a set of reasons) for, or objection against,
some other claim. In other words, it is a statement presumed
true within the context of the discourse for the purposes of
arguing to a conclusion. Premises are sometimes stated
explicitly by way of disambiguation or for emphasis, but more
often they are left tacitly understood as being obvious or
self-evident (”it goes without saying”), or not conducive to
succinct discourse. Wikipedia.
105. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Biodata
Informasi Studi S3
NIM/Noreg : 33503505/03300035
Wali : 130796173 Dr. Iping Supriana Suwardi
Fakultas/PS : STEI / Teknik Elektro dan Informatika
Mata Kuliah : BI800A Filsafat Ilmu (3,B)
TI9133 Pemodelan Sistem (3,B)
IF8004 Studi Mandiri I (3,B)
TI9101 Metodologi Penelitian (3,A)
IF80Z1 Tahap Penulisan Proposal (6,P)
IF80Z2 Ujian Kualifikasi (2,P)
IF80Z3 Tahap Pengembangan Metode 1 (3,P)
IF80Z4 Tahap Pengembangan Metode 2 (3,P)
IF80Z6 Tahap Percobaan/Survey & Analisis 1 (6,P)
IF80Z7 Tahap Percobaan/Survey & Analisis 2 (6,P)
IF80Z5 Tahap Pengembangan Metode 3 (3,P)
IF80Z8 Penulisan Makalah Pada Prosiding Nasional (1,P)
IF80Z9 Penulisan Makalah Pada Prosiding Internasional (2,P)
IF90Z3 Penulisan Makalah Pada Jurnal Nasional (3,P)
IF90Z5 Tahap Penulisan Disertasi 1 (6,P)
IF90Z9 Ujian Disertasi (Tertutup) (3,T)
Informasi Pribadi
Setiawan Hadi
Contact: setiawanhadi@gmail.com, 08122323328
Web: http://setiawanhadi.googlepages.com
106. Pendeteksian
Banyak Wajah
Pada Citra
Dijital
Kompleks
Menggunakan
Pendekatan
Multiaspek
Setiawan Hadi
- 33503505 -
14 Mei 2008
Pendahuluan
SOTA
Roadmap
Pengembangan
Metode
Analisis
Kinerja
Kesimpulan
Publikasi
Glossary
Biodata
Informasi Profesi
Unit kerja : Jurusan Matematika Fakultas MIPA Universitas Padjadjaran
Fungsional : Tenaga Edukatif / Lektor Kepala / 3D / 132045183
Area Riset : Computer Graphics, Image Processing, Computer Vision, Biometrics
Organisasi : INDO-MS, Indonesian Mathematics Society, P0041-47
IEEE, Institute for Electronics and Electrical Engineering CS Section, 80038453
MSDN, Microsoft Developer Network, IDN-019722-356
SIAM, Society for Industrial Mathematics Imaging Science Section, 001051648
Jabatan : Kepala Laboratorium Teknologi Informasi Program KK Jurusan Matematika UNPAD
Ketua Program Studi D-III Teknik Informatika FMIPA UNPAD
Informasi Pendidikan
Diploma : ITB, PAT Jurusan Penggunaan Komputer 1980, Lulus 1983
Sarjana : UNPAD, Jurusan Matematika Bidang Minat Ilmu Komputer 1986, lulus 1991
Master : UNB, Faculty of Computer Science Univ. of New Brunswick Canada 1994, lulus 1996
Informasi Pengalaman Kerja
1983-1986 : Direktorat Jenderal Pendidikan Tinggi Depdiknas (Bagian Perencanaan)
1986-1991 : Pusat Komputer Universitas Padjadjaran
1991-Sekarang : Fakultas MIPA Universitas Padjadjaran (Jurusan Matematika)