/computer-vision-with-python

Image Processing and Deep Learning for Computer Vision

Primary LanguageJupyter NotebookMIT LicenseMIT

Computer Vision With Python

Belajar Computer Vision menggunakan Python

Prerequisites

  • Pernah menggunakan Python, R, Java, Matlab, bahasa pemrograman lainnya atau bahkan Excel (I'm not a Python geek), setidaknya anda pernah membuat Fibonacci Sequence dengannya, yang sudah termasuk didalamnya Logical and Structured Thinking
  • Memahami konsep sederhana Data structure
  • Memahami konsep sederhana Aljabar linear

Pemasangan (Installation) dan Penggunaan Pertama

Silahkan download Anaconda. Install sesuai dengan sistem operasi masing - masing. Setelah itu clone / download repositori ini ke folder anda inginkan.

Menggunakan Anaconda Navigator

  • MacOS dan Linux:
    • Buka terminal, kemudian ketik
$ anaconda-navigator
  • Windows:
    • Buka launcher windows, kemudian pilih program Anaconda Navigator

Tampilan Anaconda Navigator akan seperti ini.

Anaconda Navigator

Silahkan launch jupyter lab / jupyter notebook kemudian navigasi ke folder yang telah anda simpan.

Menggunakan Terminal atau Anaconda Prompt

  • MacOS dan Linux:
    • Buka terminal, kemudian ketik
$ jupyter-lab

atau

$ jupyter notebook
  • Windows:
    • Buka Anaconda Prompt, kemudian ketik
C:\> jupyter-lab    

atau

C:\> jupyter notebook   

Kemudian navigasi ke folder yang telah anda simpan.

Library Python yang digunakan

Silakan lihat requirements.txt.

Tampilan Jupyter-lab

jupyter-notebook

Tampilan Jupyter Notebook

jupyter-notebook

Dataset

Inspirasi

Materi repositori ini terinspirasi dari beberapa repository pembelajaran Computer Vision dan Image Processing.

Lisensi

Didistribusikan menggunakan lisensi MIT. Silahkan melihat LICENSE untuk lebih lanjut

Kontribusi

  1. Silahkan di Fork
  2. Buat branch baru (git checkout -b feature/baz)
  3. Silahkan isi nama anda beserta tautan github anda di CONTRIBUTORS.md
  4. Commit perubahan yang ada(git commit -am 'Add some baz')
  5. Push pada branch yang sudah ada (git push origin feature/baz)
  6. Buat sebuah Pull Request baru